Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 456
Salah satu cara untuk menghitung jarak setiap objek baik objek dalam cluster yang sama maupun objek diluar cluster dapat menggunakan Euclidean Distance yng digambarkan seperti
pada persamaan 2.1 berikut ini[4]:
2.1 2.2 Uji Mutu Cluster
Untuk melihat mutu cluster dapat digunakan perhitungan Silhouette, yaitu sebuah teknik untuk melakukan evaluasi mutu dari sebuah cluster. Teknik ini merupakan metoda untuk
melakukan validasi cluster, yaitu metoda yang menggabungkan metoda
cohesion
dan metoda
separation
. Tahapan yang dilakukan dalam metoda ini antara lain:
a. Untuk setiap objek i, hitung rata-rata jarak dari objek ke i dengan seluruh objek yang berada
pada satu cluster dan nilai rata-rata tersebut bernama a
i
b. Untuk setiap objek i, hitung rata-rata jarak dari objek ke i dengan objek yang berada di
cluster lainnya dan diambil nilai rata-rata terkecil, yang disebut b
i
c. Hitung nilai koefisien Silhouette dengan persamaan [3][5]:
S
i
= b
i
– a
i
maxa
i
, b
i
2.2
3. HASIL PENELITIAN DAN PEMBAHASAN Pada penelitian ini, algoritma clustering yang digunakan adalah k-Medoids atau lebih dikenal
dengan partitioning aroud medoids PAM, Gambar 2. berikut ini merupakan data calon mahasiswa Unjani yang akan digunakan pada proses clustering sebagai berikut :
Gambar 2. Data calon mahasiswa Unjani
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 457
Berdasarkan data calon mahasiswa tersebut, dipilih atribut data sesuai dengan kebutuhan proses selanjutnya dilakukan kodefikasi dan disimpan dengan format CSV. Gambar 3 berikut ini
memperlihatkan data calon mahasiswa Unjani yang siap untuk diproses menggunakan algoritma k-Medoids
Gambar 3. Data calon mahasiswa yang telah dikodekan dalam format CSV Berdasarkan data tersebut maka selanjutnya disusun program komputer menggunakan bahasa
pemrograman tertentu, dalam hal ini menggunakan PHP. Langkah pertama dalam proses konstruksi kode adalah menentukan struktur data internal dalam bentuk array dua dimensi yang
akan merepresentasikan data calon mahasiswa Unjani sesuai dengan karakteristik algoritma k- Medoids. Langkah-langkah yang dilakukan pada Algoritma k-Medoids secara umum dapat
dijelaskan sebagai berikut [2]:
Langkah-1: menginisiasi medoids secara acak dari kumpulan data uji. Medoids yang
dipilih sebanyak 3
Langkah-2: Tentukan anggota dari setiap cluster dengan menghitung jarak terdekat dengan
setiap medoids
Langkah-3: Tentukan Medoids baru, serta mengkalkulasi setiap jarak setiap objek dengan
medoids baru, selanjutnya dipilih nilai terkecil dari jarak yang dihasilkan dan ditentukan sebagai Medoids baru dengan ketentuan jarak total medoids dengan
objek dalam cluster dari jarak total medoids dengan objek luar cluster.
Langkah-4 : ulangi langkah-2 hingga Medoids tidak berubah
Data uji yang digunakan pada penelitian ini diimplementasikan menggunakan struktur data array dua
dimensi. Array yang dibentuk memiliki 6 enam kolom yang akan mewakili atribut dari data uji. Pembentukan array yang dikonstruksi menggunakan PHP. Pembentukan array dua
dimensi dilakukan secara iteratif mengambil data uji yang disimpan secara eksternal sesuai
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 458
dengan atribut yang telah didefinisikan. Data yang dihasilkan sebanyak 4668 data dari 9675 data. Tidak semua data diambil sebagai data uji dengan pertimbangan waktu yang digunakan dalam
proses. Proses kalkulasi yang dilakukan terhadap data internal ternyata akan dipengaruhi oleh konfigurasi web servernya terkait dengan layanan permintaan dari browsernya. Listing program
di atas memperlihatkan array dua dimensi yang diberi nama DataDaftar yang akan mewakili data pendaftar Tahun 2013. Atribut pertama merupakan nomor urut data 0
– jumlah data-1, atribut kedua merupakan kode program studi sesuai dengan yang berlaku di Unjani, atribut ketiga
merupakan kode asal daerah calon, atribut keempat berisi kode sumber informasi calon mahasiswa baru Unjani, atribut berikutnya adalah kode kelompok, dimana kelompok ditentukan
berdasarkan kolompok jenis sumber informasi antara lain : media cetak, media elektronik dan
relasi. Terakhir adalah kode cluster, dimana nilai awal diinisiasi dengan nilai 99.
Berdasarkan proses konstruksi yang telah dilakukan, maka dapat ditentukan cluster sesuai dengan karakteristik setiap objek yang ada. Hasil eksekusi sistem memperlihatkan cluster yang
terbentuk dengan nilai medoids awal yang ditetapkan sebanyak 3 tiga. Ketiga medoids ini merupakan pusat dari cluster yang dibentuk berdasarkan jarak terdekat setiap objek dari masing-
masing medoids. Pembentukan medoids dilakukan secara acak yang diambil dari semua objek data yang diuji. Gambar 4 berikut ini memperlihatkan pembentukan awal medoids secara acak.
Berdasarkan medoids yang terbentuk, maka dapat dikalkulasi anggota cluster. Secara iteratif, medoids diperbaharui melalui perhitungan jarak antara setiap objek non-medoids dengan
medoids baru yang menjadi pusat masing-masing cluster.
Gambar 4. Pembentukan Medoids awal dan cluster awal berdasarkan3 medoid
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 459
Kolom ―Medoids Terpilih‖ dengan baris nomor 1, 6 dan 8 merupakan medoids baru yang dijadikan sebagai pusat cluster, karena jarak antara medoids baru tersebut dengan setiap objek
dalam cluster bernilai paling kecil. Tingkat derajat keanggotaan cluster dapat diukur dengan mengunakan persamaan Silhouette persamaan 2.2 , dimana S
i
adalah jarak rata-rata Silhouette yang dihasilkan melalui pengurangan jarak rata-rata objek di luar cluster dengan medoids salah
satu cluster dibagi dengan nilai maksimum rata-rata jarak setiap objek dalam sebuah cluster dengan rata-rata jarak setiap objek di luar cluster. Jika nilai Sihaouette mendekatai 1 S
i
positif, maka tingkat derajat keanggotaan sebuah cluster dapat dikatakan baik. Hasil dari nilai Silhouette
dapat dilihat pada Gambar 5 berikut ini :
Gambar 5. Hasil uji mutu cluster dengan teknik Silhoutte Dengan menggunakan data yang sama, pengujian mutu cluster dilakukan juga menggunakan
aplikasi R-Language yang hasilnya antara lain : 0.6462188, 0.06586493 dan 0.4848112 seperti pada Gambar 6. Dengan demikian hasil yang diperoleh dari penelitian ini tidak menyimpang
dari hasil Silhouette yang diperoleh dari Aplikasi R-Language. R-Language merupakan aplikasi statistik yang dapat digunakan juga untuk proses data mining[6]. Dengan hasil di atas, dapat
disimpulkan bahwa proses kakulasi objek dalam setiap cluster terhadap medoids dapat berjalan dengan baik dengan jumlah iterasi yang dilakukan sebanyak 10 iterasi. Dengan jumlah data uji
sebanyak 4668 data. Hasil dari proses clustering dengan algoritma k-Medoids dapat dilihat seperti pada Gambar 7, dimana sumber informasi ditunjukan melalui angka prosentase.
Gambar 6. Penggunaan R-language dengan data yang sama
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 460
Gambar 7. Hasil proses k-Medoids clustering Setelah proses implementasi dilakukan, maka dapat dilihat hasil eksekusi perangkat lunak
yang merepresentasikan penerapan data mining yang menggunakan algoritma k-Medoids seperti pada Gambar 7 di atas. Intepretasi atas hasil proses data mining tersebut dapat dijelaskan seperti
pada Tabel 1 sebagai berikut : Tabel 1. Intepretasi terhadap hasil data mining dengan K-Medoids
No Cluster
Intepretasi Sumber Informasi
terbanyak
1 Sebaran terbesar dari objek merupakan
prodi yang berada pada Fakultas Teknik Internet, teman dan brosur
2 1
Sebaran terbesar dari objek merupakan prodi yang berada pada Fakultas Mipa
Internet, teman dan Alumni Unjani
3 2
Sebaran terbesar dari objek merupakan prodi yang berada pada Fakultas Isip
Internet, teman dan brosur
Media intenet merupakan cara yang paling diminati untuk mengakses informasi terkait penerimaan mahasiswa baru di Unjani, selanjutnya adalah relasi atau teman, dimana mekanisme
ini merupakan penyebaran informasi dari mulut ke mulut dengan melihat kepuasan layanan yang menghasilkan rekomendasi. Terakhir adalah dari brosur yang diperoleh serta almuni Unjani itu
sendiri.
Fakultas Teknik dan Fakultas ISIP memiliki kesamaan mayoritas sumber informasi bagi calon mahasiswa baru di Unjani, sedangkan Fakultas MIPA sumber informasi terbanyak lainnya
yang bersumber dari para alumni itu sendiri. Sudah barang tentu sumber informasi yang berkorelasi dengan program studi atau fakultas akan dipengaruhi oleh kode yang diberikan pada
masing-masing prodi tersebut, hal ini dikarenakan proses kalulasi clustering didasarkan data
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 461
numerik dari nilai masing-masing atribut data uji yang digunakan. Namun demikian proses yang
sudah dilakukan dapat mewakili mekanisme pembentukan cluster berdasarkan teknik k-medoids.
4. KESIMPULAN
Dari penelitian yang telah dilakukan dapat disimpulkan hal-hal sebagai berikut : a.
Penerapan algoritma k-Medoids dalam proses data mining clustering memperlihatkan hasil
yang baik, hal ini dapat dilihat dari hasil pembentukan objek-objek yang tersebar pada ketiga cluster. Berdasarkan data yang diberikan, setiap cluster memiliki karakteristik yang
berbeda, namun demikian nilai objek pada kasus ini masih belum memadai, hal ini dikarenakan sumber data yang diolah memiliki nilai atribut yang berupa string, sehingga
perlu dilakukan proses pemadanan secara cermat dalam bentuk numerik. Nilai objek akan dipengaruhi oleh pengkodean yang diberikan, sehingga hasil dari kalkulasi belum
sepenuhnya dapat merepresentasikan tujuan dari penelitian ini. b.
Algoritma clustering dengan teknik k-Medoids kurang dapat menangani jumlah data yang
besar, sehingga dalam penelitian ini data yang digunakan sebanyak 4668 data. Dengan proses pembentukan medoids sebanyak 10 iterasi dengan konsumsi waktu sebesar 9,1
menit, dengan demikian untuk jumlah data yang lebih besar dapat dipertimbangkan untuk
menggunakan tools pengkonstruksi kode yang lebih tepat.
DAFTAR PUSTAKA [1] Yulison Herry Chrisnanto,
Algoritma Partitioning Around Medoids PAM Sebagai Teknik Clustering pada Data Mining
, Majalah Ilmiah MIPA Unjani, Aristoteles Volume 11 Nomor 1 Oktober 2013, ISBN : 1693-5543
[2] Yulison Herry Chrisnanto, Gunawan Abdillah,
Penerapan Algoritma Partitioning Around Medoids PAM Clustering untuk Melihat Gambaran Umum Kemampuan Akademik
Mahasiswa
, Proceeding SENTIKA 2015, ISSN : 2089-9815
[3] Moh‘d Belal Al-Zoubi, Mohammad al Rawi.
An Efficient Approach for Computing Silhouette Coefficients
, Journal of Computer Science 4 3:252-255, 2008 [4] Jiawei Han, Micheline Kamber, Jian Pei,
Data Mining Concepts and Tehcniques
, third
edidtion, Morgan Kaufmann, 2012
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 462
[5] Peter Grabusts,
The Choice of Metric For Clustering Algorithms
. Proceeding of the 8th International Scientific and Practical Conference. Volume II, ISSN 1691-5402, ISBN 978-
9984-44-071-2. Environment. Technology.Resources
[6] Luis Torgo.
Data Mining with R: learning by case studies
. LIACC-FEP, University of Porto.
2003
Seminar Nasional Matematika, Sains dan Informatika 2015 463
PENGUKURAN TINGKAT KEPUASAN TERHADAP LAYANAN TEKNOLOGI INFORMASI DI UNIVERSITAS ISLAM NEGERI SUNAN KALIJAGA
Agus Mulyanto Jurusan Informatika Fakultas Sains dan Teknologi, Universitas Islam Negeri Sunan Kalijaga Yogyakarta
agus.mulyantouin-suka.ac.id
ABSTRAK. Pelayanan akademik berbasis teknologi informasi sudah menjadi kebutuhan di Universitas Islam Negeri Sunan Kalijaga. Sebuah layanan dapat
diukur tingkat kepuasannya secara kuantitatif. Penelitian ini akan mengukur tingkat kepuasan mahasiswa terhadap layanan teknologi informasi .
Metode yang digunakan dalam penelitian ini adalah deskriptif kuantitatif. Pengambilan data menggunakan kuesioner dengan lima skala likert dan
wawancara. Pengujian dilakukan terhadap validitas dan reliabilitas intrumen, uji normalitas dan linearitas, uji korelasi antar variabel dan pengukuran tingkat
kepuasan. Analisis data menggunakan alat bantu software SPSS 18.00 for Windows. Nilai signifikan korelasi antara variabel kemanfaatan dengan
variabel kemudahan penggunaan adalah 0,001. Sedangkan nilai signifikan korelasi antara variabel kemudahan penggunaan dengan variabel penggunaan
aktual adalah 0,036. Keduanya bernilai 0,05 sehingga dapat dijustifikasi bahwa variabel tersebut saling berkorelasi. Sedangkan nilai signifikan antara
variabel-variabel yang lain lebih dari 0,05 sehingga dapat dijustifikasi antar variabel-variabel tersebut tidak saling berkorelasi. Tingkat kepuasan terhadap
layanan teknologi informasi pada posisi netral skor 56-75.
Kata kunci
: layanan,
perceived usefulness, perceived ease of use, attitude toward using, behavioral intention, actual system use
1. PENDAHULUAN
Seiring dengan perkembangan teknologi informasi, manusia menjadi tergantung kepada teknologi informasi dalam menyelesaikan masalah dan kenyamanan urusannya. Layanan
teknologi telah menjadi bagian yang penting dalam segala aspek kehidupan. Teknologi informasi selalu terus dikembangkan sebagai penunjang kelancaran dan kemudahan proses
bisnis. Layanan teknologi yang dapat memberikan kepuasan pengguna diharapkan berpengaruh pada tingkat produktifitas.
Saat ini layanan akademik di Universitas Islam Negeri UIN Sunan Kalijaga Yogyakarta sudah berbasis teknologi. Layanan akadamik berbasis teknologi informasi ini menjadi tanggung
jawab Unit Pelaksana Teknis Pusat Teknologi Informasi dan Pangkalan Data PTIPD. Sejauh mana kualitas layanan ini dapat dilihat dari tingkat kepuasan stakeholdernya.
Penelitian tentang analisis tingkat kepuasan telah banyak dilakukan peneliti terdahulu. Hermanto 2008 dan Ambariki 2005 pernah melakukan penelitian tentang tingkat kepuasan
konsumen terhadap suatu pelayanan. Hermanto 2008 meneliti tingkat kepuasan konsumen terhadap pelayanan Terminal Peti Kemas Semarang, sedangkan Ambariki 2005 menganalisis
tingkat kepuasan nasabah atas pelayanan teller di Bank Permata Area Jakarta. Penelitian ini
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 464
bertujuan menganalisis hubungan antara kepuasan dengan kepentingan nasabah pada pelayanan Teller Bank Permata. Tingkat kepuasan pelayanan teller Bank Permata terhadap nasabah dan
mengetahui unsur-unsur pelayanan mana yang perlu mendapatkan prioritas untuk diperhatikan atau diperbaiki serta bagaimana tanggapan nasabah apakah unsur-unsur pelayanan sudah sesuai
dengan harapan nasabah.
Pramudi, Ashari, Selo, 2013 telah melakukan penelitian menggunakan Technology Acceptance Model TAM untuk menganalisa pengaruh persepsi kemanfaatan perceived
usefulness dan persepsi kemudahan menggunakan perceived ease of use dari pengguna Buku Sekolah Elektronik BSE terhadap sikap dan minat menggunakan BSE. Selain itu juga
menganalisa pengaruh norma subyektif, kualitas akses, relevansi system dan kemampuan diri menggunakan komputer terhadap perilaku penggunaan BSE, serta penggunaan nyata BSE.
Penelitian ini mengambil studi kasus di Kabupaten Kulon Progo dengan mengambil sampel sebanyak 167 responden guru pengguna BSE.
Berdasarkan latar belakang masalah yang telah dikemukakan di atas, maka tujuan penelitian
ini adalah: 1.
Mencari hubungan antar setiap faktor yaitu persepsi atas kemanfaatan
perceived usefulness
, persepsi atas kemudahan penggunaan
perceived ease of use
, sikap untuk terus menggunakan
attitude toward using
, perilaku yang menunjukkan keinginan
behavioral intention
, dan penggunaan aktual
actual system use
. 2.
Mengukur tingkat kepuasan mahasiswa terhadap layanan teknologi informasi yaitu layanan akses internet, layanan system informasi perpustakaan, layanan system informasi
akademik dan layanan system informasi registrasi.
2. METODE
PENELITIAN Metode yang digunakan dalam penelitian ini adalah deskriptif kuantitatif. Pengambilan
data menggunakan wawancara dan kuesioner. Analisis data menggunakan alat bantu software SPSS 18.00 for Windows. Berdasarkan uraian permasalan yang telah dikemukakan, maka
hipotesis yang diajukan dalam penelitian ini adalah ada hubungan positif dan signifikan antara layanan teknologi informasi dengan tingkat kepuasan mahasiswa.
2.1 Obyek Penelitian
Obyek Penelitian ini adalah mahasiswa UIN Sunan Kalijaga Yogyakarta. Pengambilan data dilakukan pada semester gasal tahun akademik 20132014. Sampel diambil dari semua Fakultas,
yaitu Fakultas Sains dan Teknologi, Fakultas Sosial dan Humaniora, Fakultas Tarbiyah dan Keguruan, Fakultas Adab, Fakultas Syariah dan Ilmu Hukum, Fakultas Ekonomi dan Bisnis
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 465
Islam, Fakultas Dakwah, dan Fakultas Ushuludin. Wawancara dilakukan dengan Kepala Pusat Teknologi Informasi dan Pangkalan Data PTIPD UIN Sunan Kalijaga. Sampel diambil secara
acak sederhana
simple sampling random
. 2.2
Variabel dan Instrumen Penelitian Variabel Layanan Teknologi Informasi pada penelitian ini terdiri atas layanan akses internet,
layanan perpustakaan, layanan registrasi dan layanan system informasi akademik. Variabel ini akan dinilai dengan skala ordinal, yang terdiri dari tiga kategori yaitu puas, netral, tidak puas
dengan penilaian sebagai berikut Nursalam, 2003 : 1 Puas
: bila mencapai skor 76-100 2 Netral : bila mencapai skor 56-75
3 Tidak Puas : bila mencapai skor 56
Penelitian menggunakan instrument alat ukur penelitian berupa angketkuesioner dengan alasan angketkuesioner sangat tepat digunakan dalam metode survei karena jumlah responden
banyak Sugiyono, 2012. Nilai angket diuukur skala
likert
dengan 5 skala. Kelima skala tersebut diberi nilai 1 sangat tidak puas, 2 tidak puas, 3 netral, 4 puas dan 5 sangat puas.
Komponen angket ada lima faktor yaitu: X1: persepsi atas kemanfaatan
perceived usefulness
X2: persepsi atas kemudahan penggunaan
perceived ease of use
X3: sikap untuk terus menggunakan
attitude toward using
X4: perilaku yang menunjukkan keinginan
behavioral intention
X5: penggunaan aktual
actual system use
. 2.3
Analisis Data Penelitian Analisis data penelitian ini menggunakan pendekatan statistik yaitu : uji asumsi yang
meliputi uji normalitas dan uji linieritas, serta uji hipotesis. Sebelum data dianalisis mengunakan analisis product moment, data hasil penelitian harus diuji normalitas distribusi datanya dengan
menggunakan metode Kolmogorov - Smirnov. Menurut Suseno 2010, jika signifikansi yang ditunjukan oleh output Kolmogorov - Smirnov berada di atas 0,05 signifikansi 0,05, maka
data berdistribusi normal. Sebaliknya, jika signifikansi yang ditunjukan oleh output Kolmogorov - Smirnov berada di bawah 0,05 signifikansi 0,05, maka data berdistribusi tidak normal.
Uji linieritas dimaksudkan untuk menguji apakah hubungan yang terjadi antara variabel bebas dan variabel terikat bersifat linier atau tidak. Uji linearitas dalam pelaksanaannya
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 466
menggunakan pendekatan analisis varians, dengan ketentuan jika hasil p 0,05 maka data dinyatakan linier, tetapi jika hasil p 0,05 maka data dinyatakan tidak linier Suseno, 2010.
Metode uji hipotesis yang dipergunakan oleh penulis adalah model korelasi product moment dari Pearson. Metode korelasi product moment ini dipilih karena dirancang untuk mengetahui
korelasi parametrik antara variabel bebas layanan teknologi informasi UIN Sunan Kalijaga dengan variabel tergantung tingkat kepuasan. Adapun kaidah dari metode korelasi product
moment menurut Suseno 2010 adalah, jika hasil p 0,05 maka hipotesis dinyatakan diterima, tetapi jika hasil p 0,05 maka hipotesis dinyatakan ditolak.
Menurut Sarwono, 2013 korelasi merupakan teknik analisis yang termasuk dalam salah satu teknik pengukuran asosiasi hubungan measures of association. Pengukuran asosiasi
merupakan istilah umum yang mengacu pada sekelompok teknik dalam statistik bivariat yang digunakan untuk mengukur kekuatan hubungan antara dua variabel. Diantara sekian banyak
teknik-teknik pengukuran asosiasi, terdapat dua teknik korelasi yang sangat populer sampai sekarang, yaitu Korelasi Pearson Product Moment dan Korelasi Rank Spearman. Pengukuran
asosiasi mengenakan nilai numerik untuk mengetahui tingkatan asosiasi atau kekuatan hubungan antara variabel. Dua variabel dikatakan berasosiasi jika perilaku variabel yang satu
mempengaruhi variabel yang lain. Jika tidak terjadi pengaruh, maka kedua variabel tersebut disebut independen. Korelasi bermanfaat untuk mengukur kekuatan hubungan antara dua
variabel kadang lebih dari dua variabel dengan skala-skala tertentu, misalnya Pearson data harus berskala interval atau rasio; Spearman dan Kendal menggunakan skala ordinal. Kuat lemah
hubungan diukur menggunakan jarak range 0 sampai dengan 1. Korelasi mempunyai kemungkinan pengujian hipotesis dua arah two tailed. Korelasi searah jika nilai koefesien
korelasi diketemukan positif; sebaliknya jika nilai koefesien korelasi negatif, korelasi disebut tidak searah. Yang dimaksud dengan koefesien korelasi ialah suatu pengukuran statistik
kovariasi atau asosiasi antara dua variabel. Jika koefesien korelasi diketemukan tidak sama dengan nol 0, maka terdapat hubungan antara dua variabel tersebut. Jika koefesien korelasi
diketemukan +1. maka hubungan tersebut disebut sebagai korelasi sempurna atau hubungan linear sempurna dengan kemiringan slope positif. Sebaliknya. jika koefesien korelasi
diketemukan -1. maka hubungan tersebut disebut sebagai korelasi sempurna atau hubungan linear sempurna dengan kemiringan slope negatif. Dalam korelasi sempurna tidak diperlukan
lagi pengujian hipotesis mengenai signifikansi antar variabel yang dikorelasikan, karena kedua
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 467
variabel mempunyai hubungan linear yang sempurna. Artinya variabel X mempunyai hubungan sangat kuat dengan variabel Y. Jika korelasi sama dengan nol 0, maka tidak terdapat hubungan
antara kedua variabel tersebut. Korelasi antar variabel dalam penelitian ini disajikan dalam gambar 1.
Akses Internet
Sistem Informasi Perpustakaan
Sistem Informasi Akademik
Sistem Informasi Registrasi
Tingkat Kepuasan
Layanan
Gambar 1 Korelasi layanan terhadap tingkat kepuasan 3.
HASIL PENELITIAN
DAN PEMBAHASAN
3.1 Profil responden
Responden pada penelitian ini sebanyak 120 orang. Sedangkann profilnya digambarkan dalam klasifikasi berdasarkan jenis kelamin, usia, semester, dan fakultas. Profil responden
penelitian ini disajikan dalam tabel 1.
Tabel 1 Profil repsonden
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 468
Profil Klasifikasi
Frekuensi Persentasi
Jumlah
Jenis Kelamin Pria
48 40.00
120 Wanita
72 60.00
Usia tahun Tidak mencantumkan
4 3.33
120 18
22 18.33
19 45
37.50 20
24 20.00
21 16
13.33 22
8 6.67
24 1
0.83 Semester
Tidak mencantumkan 2
1.67 120
1 23
19.17 3
59 49.17
5 27
22.50 7
8 6.67
9 1
0.83 Fakultas
Adab dan Ilmu Budaya 16
13.33 120
Sains dan Teknologi 3
2.50 Ilmu Tarbiyah dan Keguruan
22 18.33
Syariah dan Hukum 17
14.17 Sosial dan Humaniora
22 18.33
Dakwah dan Komunikasi 12
10.00 Ekonomi dan Bisnis Islam
16 13.33
Ushuluddin dan Pemikiran Islam 12
10.00
3.2 Analisis Hasil Penelitian
3.2.1 Uji Validitas dan Reliabilitas
Sebelum hasil kuesioner diolah dengan analisis korelasi, kuesioner tersebut harus valid dan reliabel. Sehingga harus diuji validitas dan reliabilitas terlebih dahulu. Uji validitas
dilakukan untuk mengetahui keabsahan masing-masing item kuesioner dari masing-masing variabel. Uji validitas yang digunakan yaitu menggunakan uji korelasi product moment. Suatu
item kuesioner dapat dikatakan valid ketika nilai sig dalam SPSS kurang dari 0.05. Berdasarkan perhitungan terlihat bahwa semua item mempunyai nilai 0,000, sehingga dapat disimpulkan
semua valid dan dapat dilanjutkan kepada analisis selanjutnya. Sedangkan uji reliabilitas yang digunakan adalah jenis cronbach alpha. Suatu instrumen
penelitian dapat dikatakan reliabel jika nilai cronbach alpha yang didapatkan lebih besar dari 0,5. Nilai Cronbach Alpha pada variabel kemanfaatan, kemudahan penggunaan, sikap untuk
terus menggunakan, penggunaan yang menunjukan keinginan dan penggunaan aktual masing- masing sebesar 0,951, 0,869, 0,954, 0,860, dan 0,802. Semuanya lebih besar dari 0,5. Hal ini
menunjukan bahwa kelima variabel tersebut aktual reliabel.
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 469
3.2.2 Uji Normalitas dan Linearitas
Berdasarkan perhitungan olah data didapatkan bahwa nilai kolmogorov-smirnov untuk variabel kemanfaatan, kemudahan penggunaan, sikap untuk terus menggunakan, penggunaan
yang menunjukan keinginan dan penggunaan aktual masing-masing berturut-turut 0,061, 0,066, 0,068, 0,065 dan 0,060. Semuanya lebih besar dari 0,05 sehingga dapat disimpulkan semua
variabel terdistribusi normal. Sedangkan nilai signifikan linearitas antar variabel, terlihat nilai sig antar variabel semua
kurang dari 0,05 sehingga bisa di simpulkan bahwa hubungan antar setiap faktor adalah linier. 3.2.3
Uji Korelasi Tabel 2 Nilai signifikansi nilai sig korelasi antar variabel
Variabel X1
X2 X3
X4 X5
X1 0.001
0.126 0.887
0.891
X2 0.001
0.272 0.386
0.036
X3 0.126
0.272 0.711
0.353
X4 0.887
0.386 0.711
0.142
X5 0.891
0.036 0.353
0.142 Berdasar tabel 2 nilai signifikan nilai sig korelasi antara variabel kemanfaatan dengan
variabel kemudahan penggunaan adalah 0,001. Sedangkan nilai signifikan nilai sig korelasi antara variabel kemudahan penggunaan dengan variabel penggunaan aktual adalah 0,036.
Keduanya bernilai 0,05 sehingga dapat dijustifikasi bahwa variabel kemanfaatan dengan variabel kemudahan penggunaan saling berkorelasi dan variabel kemudahan penggunaan dengan
variabel penggunaan aktual juga saling berkorelasi. Sedangkan nilai signifikan antara variabel-variabel yang lain lebih dari 0,05 sehingga
dapat dijustifikasi antar variabel-variabel tersebut tidak saling berkorelasi. 3.3
Analisis Tingkat Kepuasan Layanan yang menjadi objek penelitian ini dibatasi pada 4 empat layananan yaitu layanan
akses Internet, layanan sistem informasi perpustakaan, layanan sistem informasi akademik dan layanan sistem informasi registrasi. Hasil perhitungan tingkat kepuasan terhadapa layanan
teknologi informasi disajikan dalam tabel 1 dan gambar 1. Tabel 1 Tingkat kepuasan terhadap layanan teknologi informasi
No Layanan
Tingkat Kepuasan Tidak Puas
Netral Puas
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 470
Freq Percent
Freq Percent
Freq Percent
1. Akses Internet
13 10.8
85 70.8
22 18.3
2. Sistem
Informasi Perpustakaan
1 0.8
89 74.2
30 25.0
3. Sistem
Informasi Akademik
13 10.8
81 67.5
26 21.7
4. Sistem Informasi Registrasi
13 10.8
90 75.0
17 14.2
Berdasar tabel 1 dan gambar 1 dapat dilihat bahwa tingkat kepuasan terhadap keempat layanan tersebut sebagian besarnya pada posisi netral. Layanan akses Internet terlihat bahwa
mayoritas mahasiswa UIN Sunan Kalijaga tingkat kepuasannya pada posisi netral yaitu sebanyak 85 orang atau 70,8 , untuk posisi puas sebanyak 22 orang yang paling sedikit
adalah mahasiswa tidak puas yaitu sebanyak 13 orang. Layanan kriteria perpustakaan terlihat bahwa mayoritas mahasiswa UIN Sunan Kalijaga tingkat kepuasan nya pada posisi netral
yaitu sebanyak 89 orang atau 74,2 , untuk posisi puas sebanyak 30 orang yang paling sedikit adalah mahasiswa tidak puas yaitu sebanyak 13 orang. Layanan Sistem Informasi
Akademik terlihat bahwa mayoritas mahasiswa UIN Sunan Kalijaga tingkat kepuasan nya pada posisi netral yaitu sebanyak 81 orang atau 67,5 , untuk posisi puas sebanyak 26 orang
atau 21,7 yang paling sedikit adalah mahasiswa tidak puas yaitu sebanyak 13 orang atau 10,8. Layanan kriteria registrasi terlihat bahwa mayoritas mahasiswa UIN Sunan Kalijaga
tingkat kepuasan nya pada posisi netral yaitu sebanyak 90 orang atau 75,0 , untuk posisi puas sebanyak 17 orang yang paling sedikit adalah mahasiswa tidak puas yaitu sebanyak 13
orang.
Gambar 1 Grafik tingkat kepuasan terhadap layanan teknologi informasi 4. KESIMPULAN
50 100
Tingkat Kepuasan
Netral Puas
Tidak Puas
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 471
Berdasarkan hasil analisis dan pembahasan pada bab sebelumnya maka dalam penelitian ini dapat ditarik kesimpulan sebagai berikut:
1. Variabel kemanfaatan dengan variabel kemudahan penggunaan dan variabel kemudahan
penggunaan dengan penggunaan aktual yang saling berkolerasi. Sedangkan antar variabel-variabel lain tidak saling berkorelasi.
2. Tingkat kepuasan mahasiswa UIN Sunan Kalijaga terhadap layanan teknologi informasi
berada di posisi netral atau sedang. Kontribusi
Penelitian ini dapat memberi kontribusi bagi pengelola layanan Teknologi Informasi, dalam hal ini Pusat Teknologi Informasi dan Pangkalan Data PTIPD UIN Sunan Kalijaga Yogyakarta
untuk terus melakukan peningkatan layanan dan inovasi Teknologi Informasi. Peningkatan layanan dan inovasi diharapkan dapat meningkatkan tingkat kepuasan civitas akademika dan
memberi kemudahan dalam administrasi akademik. Penelitian selanjutnya disarankan untuk menambah cakupan layanan dan meningkatkan
cakupan responden yang tidak hanya mahasiswa tetapi juga dosen dan karyawan.
DAFTAR PUSTAKA Anwar, Saiful. 2011. Reliabilitas dan Validitas. Yogyakarta: Pustaka Pelajar.
Sarwono, Jonathan, 2013, Korelasi, diakses dari
http:www.jonathansarwono.infokorelasi korelasi.htm
tanggal 29 Nopember 2013. Arikunto, Suharsimi. 2010. Prosedur Penelitian Suatu Pendekatan Praktik. Yogyakarta: Rineka
Cipta. Azwar, Saifuddin. 2009. Metode Penelitian. Yogyakarta:Pustaka Pelajar.
Effendi, Sofian dan Masri, Singarimbun. 2001. Metode Penelitian Survei. Edisi ketiga. Jakarta: LP3ES.
Nursalam. 2003. Konsep dan Penerapan Metodologi Penelitian dalam Ilmu Keperawatan. Jakarta: Salemba Medika.
Salim, Peter. Yenny Salim, 1991. Kamus Besar Bahasa Indonesia Kontemporer. Jakarta: Modern Lish Press
Stanislaus S Uyanto. 2006. Pedoman Analisis Data dengan SPSS. Yogyakarta: Graha Ilmu. Sugiyono. 2009. Metode Penelitian Kuantitatif kualitatif RD. Bandung: CV Alfabeta
Sugiyono. 2011. Statistika untuk Penelitian. Bandung: CV Alfabeta. Suseno, M. N. 2011. Handout Statistika. Yogyakarta: Program Studi Psikologi Fakultas Ilmu
Sosial dan Humaniora UIN Sunan Kalijaga. Suseno, M. N. 2010. Pedoman Praktikum Statistika. Yogyakarta: Laboraturium Psikologi
Fakultas Ilmu Sosial dan Humaniora UIN Sunan Kalijaga.
Seminar Nasional Matematika, Sains dan Informatika 2015 472
PENGEMBANGAN MODEL BLENDED E-LEARNING BERBASIS SCORM-LMS TERHADAP MOTIVASI DAN PRESTASI BELAJAR MAHASISWA
Agustinus Lambertus Suban, Maria Florentina Rumba Teknik Informatika
–Universitas Nusa Nipa Maumere
ABSTRACT.
Informatics Engineering Department is one of the flagship department and has the most students at the Nusa Nipa University, every year
graduated from high school students interest to enter This course has increased. Coverage of the material in each course so dense that require the
allocation of more time in order to complete the lesson. This is an obstacle for the allocation of limited time and material representation model in print
instructional materials that are difficult to understand, the amount of charge on the subject matter so that it becomes a barrier for students to understand
the material and students motivation to decrease. Through blended learning models combined direct face to face learning in the classroom and e-
learning based on SCORM Sharable Content Object Reference Model and LMS Learning Management System, the learning process is not just limited
to the classroom but outside the classroom can be developed without hindered by space and time. This research is expected to be a solution in increasing
motivation and competence of students in courses of Informatics Engineering Department.
Keywords :
Model Blended e-learning, SCORM
–
LMS, Motivtion.
1. PENDAHULUAN
Program Studi Teknik Informatika merupakan salah satu Program studi unggulan dan memiliki mahasiswa terbanyak pada Universitas Nusa Nipa, dari tahun ke tahun minat siswa
tamatan SLTA untuk masuk program studi ini mengalami peningkatan. Program studi ini memiliki 45 mata kuliah wajib dan 11 mata kuliah peminatan, cakupan materi pada tiap mata
kuliah sangat padat sehingga memerlukan alokasi waktu yang lebih banyak agar pembelajarannya tuntas. Hal ini menjadi kendala karena alokasi waktu yang sangat terbatas dan
model representasi materi pada bahan ajar cetak yang sulit dipahami sehingga hal tersebut menjadi penghambat bagi mahasiswa dalam memahami materi.
Berkaitan dengan mata kuliah di Program studi Teknik Informatika, karena tingkat kesulitan yang cukup tinggi dan banyaknya muatan materi pada mata kuliah di Program studi ini
menjadikan motivasi belajar mahasiswa menjadi rendah. Mahasiswa merasa bahwa mata kuliah dalam program studi ini susah dipelajari dan cakupan materinya cukup banyak yang berakibat
pada menurunnya motivasi dan semangat belajar. Melalui model blended learning kombinasi
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 473
pembelajaran tatap muka secara langsung di ruang kelas dan e-learning berbasiskan SCORM
Sharable Content Object Reference Model
dan LMS
Learning Management System
, proses pembelajaran tidak hanya terbatas di kelas melainkan dapat dikembangkan di luar kelas tanpa
terhalang oleh ruang dan waktu. Metode pembelajaran yang selama ini dilakukan adalah dengan metode pembelajaran di kelas
dan di Laboratorium yaitu dengan ceramah, diskusi, praktikum dan latihan mengerjakan soal. Akan tetapi karena fasilitas laboratorium yang ada saat ini belum memadai serba terbatas dan
banyaknya materi yang harus disampaikan, metode pembelajaran kuliah di kelas dengan media pembelajaran sering kali tidak dapat diimplementasikan dengan baik. Pengajar lebih
memfokuskan pada pencapaian materi yang dibebankan pada SAP dan silabus. Penelitian ini diharapkan dapat memberi sumbangan untuk memberikan solusi dalam meningkatkan motivasi
dan kompetensi mahasiswa pada Program Studi Teknik Informatika karena program studi ini juga merupakan salah satu program studi unggulan dan memiliki mahasiswa terbanyak pada
Universitas Nusa Nipa Unipa. Permasalahan-permasalahan seperti yang telah dikemukan di atas memerlukan usaha
penyelesaian yang tidak mudah untuk dilakukan. Penelitian ini diharapkan dapat memberi sumbangan untuk memberikan solusi dalam meningkatkan motivasi dan kompetensi mahasiswa
pada Program Studi Teknik Informatika. Berdasarkan pengamatan, motivasi mahasiswa untuk memiliki sarana penunjang perkuliahan seperti laptop, notebook, juga mengalami peningkatan
yang cukup signifikan. Hal ini menjadi sebuah dukungan dalam pembelajaran. Melalui
Model Blended Learning
kombinasi pembelajaran tatap muka secara langsung di ruang kelas dan e- learning berbasiskan
SCORM Sharable Content Object Reference Model
dan
LMS Learning Management System
proses pembelajaran tidak hanya terbatas di kelas melainkan dapat dikembangkan di luar kelas tanpa terhalang oleh ruang dan waktu.
2. TINJAUAN PUSTAKA 2.1 e-learning:
Zaharias 2007, Mengembangkan metode evaluasi kegunaan kuesioner berbasis aplikasi e- learning. Metode ini memperluas praktek saat ini dengan berfokus bukan hanya pada
pertimbangan kognitif, tetapi juga afektif yang dapat mempengaruhi kegunaan
e
–
learning
, Hasil penelitian ini memberikan bukti yang signifikan untuk keandalan dan validitas metode,
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 474
sehingga praktisi kegunaan dapat menggunakannya dengan keyakinan saat mengevaluasi desain aplikasi e-learning. Kusumaputri 2012, mengidentifikasi
Critical Success Factors CSF
Model terhadap implementasi
e-learning
di perguruan tinggi Islam dan untuk mengusulkan strategi yang diperoleh dari perspektif holistik, konsultatif, dan emansipatori. Menurut
Maria 2007, Meskipun konsep
e-learning
menawarkan banyak manfaat dan keunggulan, tetapi dalam penerapannya bukan merupakan hal yang mudah. Berbagai kendala yang dihadapi tentu
harus diatasi untuk mencapai manfaat dan keunggulan tersebut. Survei yang dilakukan pada tiga Perguruan Tinggi terhadap 300 mahasiswa menunjukkan hasil bahwa perilaku manusia
mahasiswa yang mencakup komitmen, kedisiplinan, dan kemandirian sudah cukup mendukung untuk penerapan
e-learning
. Tetapi secara khusus pihak pengelola perlu mencermati aspek kemandirian karena beberapa indikator masih belum menunjukkan dukungan
seperti yang diharapkan. 2.2 Model Blended E
–learning: Forer dan Mitchell 2010, menggunakan
blended e-learning
pada tahun pertama mahasiswa Jurusan Geografi di Universitas Auckland, meneliti bagaimana mahasiswa menggunakan
e- learning
dibandingkan mekanisme pembelajaran tradisional, bagaimana mekanisme e-learning telah mempengaruhi perilaku belajar mereka dan lebih menarik. Wills 2006, Untuk
menerapakan
Blended e-learning
di Universitas Wollongong diperlukan rencana yang strategis dengan menggunakan 5 faktor kunci yaitu
Strategi, Structure, Management processes, Roles and skills, Technology
. Sementara itu, istilah
blended learning
dipergunakan untuk mendeskripsikan suatu situasi pembelajaran yang menggabungkan beberapa metode penyampaian yang bertujuan
untuk memberikan pengalaman yang paling efektif dan efisien. Harriman 2004 dan Williams, 2003. Kombinasi yang dimaksud dapat berupa gabungan beberapa macam teknologi
pengajaran, misalnya video, CD-ROM, film, atau internet dengan pengajaran tatap muka
face to face
yang dilakukan oleh dosenpendidik. 2.3 SCROM dan LMS:
SCORM
Shareable Content Object Reference Model
adalah standar pendistribusian paket
e
–
learning
yang dapat digunakan untuk menampung berbagai spesifikasi dan standar untuk konten e
–learning berbasis web dengan mengacu pada interoperability, accesibility,dan reusability Rice 2010. Tujuan dari SCORM adalah sebuah upaya untuk mulai
menyeragamkan pengembangan sistem
e
–
learning
berbasiskan teknologi web yang disebut
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 475
Learning Management Systems LMS.
Beberapa kelebihan
Learning Management System
Berbasis
Blended e-learning
menurut Mohammad 2013 yaitu : a Meningkatkan kadar interaksi pembelajaran antara peserta didik dengan guru atau instruktur
enhance interactivity
; b Memungkinkan terjadinya interaksi pembelajaran dari mana dan kapan saja
time and place flexibility
; c Menjangkau peserta didik dalam cakupan yang luas
potential to reach a global audience
; d Mempermudah penyempurnaan dan penyimpanan materi pembelajaran
easy updating of content as well as archivable capabilities
. Beberapa hasil penelitian di beberapa negara tentang keberhasilan penggunaan
Learning Management System LMS
berbasis
Blended e-learning
, khususnya di negara maju, yang dikutip dari Wawan Setiawan 2012. Saat ini hampir seluruh program
distance learning
di Amerika, Australia, dan Eropa dapat juga diakses melalui Internet. Studi yang dilakukan
oleh Amerika, sangat mendukung dikembangkannya
Blended e-learning
, menyatakan bahwa
computer based learning
sangat efektif, memungkinkan 30 lebih baik, 40 waktu lebih singkat, dan 30 biaya lebih murah. Ali, 2007.
Tujuan Penelitian : 1.
Mengembangkan Model
blended learning
Berbasis
SCORM-LMS
untuk mengetahui Motivasi dan Prestasi Belajar Mahasiswa Pada Program Studi Teknik Informatika
2. Mengukur motivasi dan prestasi mahasiswa terhadap penerapan model
blended e-learning
pada mata kuliah di Program Studi Teknik Informatika 3.
Mengetahui manfaat yang akan didapat dengan diimplementasikan model
blended learning
bagi mahasiswa, dosen dan Program Studi.
3. METODE
PENELITIAN
Penelitian ini dilakukan di Program Studi Teknik Informatika Universitas Nusa Nipa yang dilaksanakan pada semester gasal Tahun Akademik 20132014 dengan alokasi waktu 6
bulan, terhitung dari bulan Februari 2014 – Juli 2014. Dalam penelitian ini dilakukan
beberapa langkah dalam penelitian :
1. Persiapan penelitian
2. Kajian terhadap model
blended learning
Kombinasi antara pembelajaran di ruang kelas, ruang laboratorium dan
e-learning
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 476
3. Kajian terhadap sistem pembelajaran di Program Studi Teknik Informatika
Pembelajaran di kelas, di ruang , dan
e-learning
4. Digitalisasi materi mata kuliah yang ada di Program Studi Teknik Informatika untuk
diimplementasikan pada sistem
e-learning
. 5.
Pengembangan media pembelajaran mata kuliah yang ada pada Program Studi Teknik Informatika pada sistem
e-learning
6. Implementasi pembelajaran di ruang kelas, ruang laboratorium, dan
e-learning
7. Analisis data dan evaluasi.
Teknik pengumpulan data dilakukan melalui beberapa cara yaitu : 1 Observasi langsung terhadap proses pembelajaran dengan model blended learning
pembelajaran di kelas, di laboratorium, dan
e-learning
. 2 Merecord aktivitas belajar mahasiswa pada sistem
e-learning
dan membuat laporan yang dapat dilihat secara menyeluruh. 3. Mengadakan interview dengan mahasiswa dan dosen yang berkaitan. 4 Membuat instrumen
penelitian berupa pedoman wawancara dan kuisioner terhadap pengaruh pembelajaran
blended learning
terhadap motivasi dan hasil belajar mahasiswa pada mata kuliah yang ada di Program Studi Teknik Informatika. 5 Melakukan tes kepada mahasiswa untuk melihat kondisi
awal mahasiswa
pre test
pada pada akhir siklus
post test
setiap siklus. 4.
HASIL PENELITIAN
DAN PEMBAHASAN
Dalam upaya meningkatkan kualitas pembelajaran, program studi Teknik Informatika membangun sistem
e-learning
diimplementasikan dengan pembelanjaran online menggunakan SCORM-LMS. Sistem
e-learning
ini telah berfungsi sebagimana mestinya dan dapat diakses melalui URL :
http:e-learning-unipa.net
Dengan adanya sistem
e-learning
ini para dosen dapat mengelola materi perkuliahan, yakni : membuat silabus, mengupload perkuliahan, memberikan tugas kepada mahasiswa, menerima
upload pekerjaan mahasiswa, membuat tesquiz, memberikan nilai, memonitor keaktifan mahasiswa, mengolah nilai mahasiswa, berinteraksi dengan mahasiswa dan sesama dosen
melalaui forum diskusi dan
chat
, serta menggunakan fasilitas-fasilitas yang ada pada sistem
e- learning
. Untuk mahasiswa dapat mengakses informasi dan materi kuliah, dapat berinteraksi dengan sesama mahasiswa dan dosen, mengerjakan tesquiz, mengirimkan tugas perkuliahan,
melihat pencapaian hasil belajar, dan juga menggunakan fasilitas yang ada pada sistem
e-
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 477
learning
. Salah satu keuntungan bagi dosen yang membuat mata kuliah online berbasis LMS adalah kemudahan. Hal ini karena dosen tidak perlu mengetahui sedikitpun tentang
pemrograman web, sehingga waktu dapat dimanfaatkan lebih banyak untuk memikirkan konten isi pembelajaran yang akan disampaikan. Tampilan halaman depan dari
e-learning
dapat dilihat pada Gambar 1 di bawah ini :
Gambar 1: Tampilan awal
e-learning
Program Studi Teknik Informatika Ketika user pengguna memilih menu Proram Studi Teknik Informatika maka tampilan
berikutnya adalah list mata kuliah yang ada pada program studi seperti ditampilkan pada Gambar 2 sebagai berikut.
Gambar 2: Tampilan Mata Kuliah Program Studi Teknik Informatika Pengembangan Media Pembelajaran Mata Kuliah Yang Ada pada Program Studi Teknik
Informatika Pada Sistem
e-learning.
Pada tahap ini dilakukan pengembangan media pembelajaran
e-learning
dengan model
blended learning
berbasis SCORM-LMS. Dosen dapat mengecek aktivitas mahasiswa berdasarkan waktu hari, berdasar topik yang ada atau berdasar
kegiatan lain yang dikembangkan. Adapun rekaman aktivitas pengguna baik mahasiswa dan dosen pada
e-learning
dapat terlihat seperti Gambar 3 berikut.
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 478
Gambar 3: Daftar rekaman aktivitas pengguna pada e-learning dan Chating diskusi antara dosen dan maahsiswa
A
NALISIS DATA DAN
E
VALUASI
a. Hasil Kuisioner Pengukuran pengaruh dan dampak pembelajaran model
blended learning
terhadap peningkatan motivasi mahasiswa dilakukan tidak hanya melalui pengamatan langsung dan
laporan aktivitas pada
e-learning
melainkan juga menggunakan instrument kuisioner kepada mahasiswa. Kuisioner ini digunakan untuk mengukur 3 aspek pengaruh penggunaan model
pembelajaran
blended learning
terhadap motivasi belajar, peningkatan interaksi dan kemanfaatannya bagi mahasiswa. Berdasarkan kuisioner kepada mahasiswa yang menambil
mata kuliah Model dan Simulasi, diperoleh data seperti ditunjukan pada Tabel 1.
Tabel 1: Hasil Kuisioner Mata Kuliah Model Dan Simulasi N
o Aspek
Jmlh Item
Jmlh mhs
Skor rerat
a Jumlah Responden Yang
Menilai Total
Rspond n
Presentase Tida
k kuran
g bai
k sanga
t baik
sangat 1
Kemanfaata n
10 30
3,2 2
5 23
30 16,7
76,67 2
Interaksi 10
30 3,6
1 8
21 30
26,7 70,00
3 Motivasi
10 30
3,8 1
10 19
30 33,3
63,33 Hasil kuisioner terhadap mahasiswa menunjukkan bahwa penerapan model
blended learning
ternyata memberikan kemanfaatan yang tinggi dengan skor 3,5 atau 76,67 menyatakan sangat bermanfaat. Hal ini juga terjadi pada aspek interaksi dengan hasil 3,4 atau 70 serta motivasi
yang mencapai skor 3,8 atau 76,0 . Hal ini berarti mahasiswa merasakan terjadinya peningkatan motivasi, kemanfaatan dan kualitas interaksi dengan menggunakan pembelajaran
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 479
model
blended learning
. Berdasarkan kuisioner kepada mahasiswa yang mengambil mata kuliah Lingkungan Pemrograman Visual diperoleh data seperti yang terdapat pada tabel 2 berikut:
Tabel 2 Hasil Kuisioner Mata Kuliah Lingkungan Pemrograman Visual LPV No
Aspek Jmlh
Item Jmlh
mhs Skor
rerata Jumlah Responden Yang
Menilai Total
Rspond n
Presentase Tidak kurang baik sangat
baik sangat
1 Kemanfaatan
10 35
3,2 9
26 35
25,7 74,2
2 Interaksi
10 35
3,6 10
25 35
28,6 71,4
3 Motivasi
10 35
3,4 1
6 28
35 17,1
80,0 Untuk mengukur pengaruh model pembelajaran
blended learning
terhadap hasil
belajar mahasiswa dilakukan melalui tes
pre test
dan
post test
.
Pre tes
dilakukan pada saat sebelum dilakukan tindakan penerapan model
blended learning
, sedangkan
post tes
dilakukan setelah mahasiswa melakukan treatmen menggunakan model
blended learning
. Untuk menghindari bias dalam pengukuran, maka soal
pre test
dan
post test
di buat berbeda disesuaikan dengan topik yang sudah diajarkan.
Hasil pre tes menunjukkan rata-rata mahasiswa mencapai nilai rerata 55,2. Nilai rata-rata mahasiswa masih berada jauh di bawah standar yang ditetapkan yaitu 75,0. Mahasiswa yang
mencapai nilai di atas 75,0 jumlahnya 25 dari total mahasiswa yang diuji. Nilai antara 51 s.d 74 hanya 10,2, sedangkan mahasiswa yang memperoleh nilai di bawah 50 sebesar 64,8,
dengan kata lain sebagain besar mahasiswa belum mencapai nilai tuntas. Hasil post tes menunjukkan peningkatan nilai yang cukup signifikan dengan rerata 80,2. Walaupun masih ada
beberapa mahasiswa yang mendapatkan nilai kurang dari 70 akan tetapi prosesentasinya sebesar 5,2 .
Berdasarkan uraian di atas, penerapan atau implementasi model
blended learning
pada mata kuliah Model Dan Simulasi pada pembelajaran di kelas dan
e-learning
sudah dapat direalisasikan. Implemntasi model
blended learning
pada mata kuliah Lingkungan Pemrograman visual pada pembelajaran di Laboratoriumdan
e-learning
juga sudah dapat direalisasikan. Penilaian berdasarkan 10 item yaitu Validasi pada halaman login, Akses Materi
KuliahDownload, Akses Tugas, Pengumuman nilai mata kuliah dan info akademik, mengerjakan
Latihan soal,
mengirim TugasUpload,
Mengikuti diskusi,
sharing informasiForum, Update Profil Mahasiswa sebagai user, Update materi Kuliah berdsarkan
tanggalsesie pertemuan.
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 480
5. KESIMPULAN
Berdasarkan hasil penelitian, perancangan e-learning, uji coba penggunnannya terhadap beberapa mata kuliah, analisa kuisioner dan mengamati keaktivan pengguna dalam al ini dosen
dan mahasiswa, maka dapat ditarik kesimpulan sebagai berikut: 1.
Adanya peningkatan motivasi belajar mahasiswa terhadap penerapan model
blended learning
pada mata kuliah Model dan simulasi dan Lingkungan Pemrograman Visual yang ditunjukkan dengan tingkat kehadiran mahasiswa di kelas, frekuensi belajar dan keaktifan mahasiswa
dalam diskusi, bertanya dan memberikan masukan. 2.
Penerapan model
blended learning
pada mata kuliah Model dan Simulasi dan mata kuliah Lingkungan Pemrograman Visual memberikan manfaat yang signifikan terhadap motivasi
mahasiswa. 3.
Terjadi peningkatan hasil belajar mahasiswa pada mata kuliah Model dan simulasi dan Lingkungan pemrograman Visual arena mahasiswa mampu mengoptimlkan semua fasilitas
yang terdapat pada e-learning yakni, forum diskusi online, chating, pengumpulan tugas secara online dan ujian secara online.
4. Proses perkuliahan lebih fleksibel dan terbuka, dan penghematan terhadap penggunan krtas
pada saat ujian dan penugasan. DAFTAR PUSTAKA
Zaharias Panagiotis , 2007,
Developing a Usability Evaluation Method for E-learning Applications: From Functional Usability to Motivation to Learn
. Kusumaputri Erika, 2012, Program Holistik E-Learning Di Perguruan Tinggi Islam.
Forer, Mitchel, 2010,
Blended Learning: The P erceptions of First-year Geography Students
, Journal of Geography in Higher Education, Vol. 34, No. 1, 77
–89, February 2010. Wills Sandra, 2006, Proceedings of the 7th International Conference on Information T echnology
Based Higher Education Training, Sydney , July 2006 Harriman,
G. 2004.
What is
Blended Learning?
E-Learning Resources.
http:www.grayharriman. comblended_learning.htm, diakses tanggal 09 Februari 2015 Williams, S. 2003. Clerical medical feeds back on blended learning. Industrial and
Commercial Training, 351, 22 –25.
Mohammad A. Alseweed, 2013, Students‘ Achievement and Attitudes Toward Using Traditional
Learning, Blended Learning, and Virtual Classes Learning in Teaching and Learning at the University Level, Studies in Literature and Language, Vol. 6, No. 1, 2013, pp. 65-73,
DOI:10.3968j.sll.1923156320130601.1464
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 481
Setiawan, Wawan, 2012, Development of Personal Learning Network System To Build E- Literacy, IJCSI International Journal of Computer Science Issues, Vol. 9, Issue 2, No 1,
March 2012, ISSN Online: 1694-0814 Ali Muhamad, 2007, Analisis Dampak Implementasi Model Blended Learning Kombinasi
Pembelajaran Di Kelas Dan E-Learning Pada Mata Kuliah Medan Elektromagnetik, Oktober, 2007
Martyn, M. 2003. The hybrid online model: Good practice. Educause Quarterly, 261, 18 –23.
Seminar Nasional Matematika, Sains dan Informatika 2015 482
ANALISIS KINERJA PERANGKAT LUNAK KEAMANAN KOMPUTER
Bambang Sugiantoro, S.Si., M.T.
1
Yazid Ubaidilah, S.Kom.
2 1,2
Program Studi Teknik Informatika UIN Sunan Kalijaga Yogyakarta Jl marsda adisucipto Yogyakarta
ABSTRACT. Utilization of computers in almost every aspect of life we often see. But over time the security aspects in the exchange of information and data to be ignored even become
mandatory aspect to make the exchange of information and data to be safe from people who are not interested. To answer these challenges, Suricata comes as one solution to reducing crime in
the field of computer security is to make it as an alarm when the computer server where data and information are attacked.One computer crime is a DOS attack is to make a server serving
multiple clients at one time that led to the use of bandwidth and computer memory quickly drained away. So when there is a client or other user who attempts to access the server can not
receive the service server because the server was down. Having conducted more in-depth analysis of a series of views of the descriptive analysis of pre-test and post-test can be concluded
that the Suricata IDS is able to reduce DOS attack.
Keywords : Suricata, IDS, memory usage, DOS Attack
1. PENDAHULUAN
Penggunaan media telekomunikasi memang memudahkan pekerjaan kita semua.Namun dari segudang kegunaannya tersimpan ancaman, gangguan dan dampak buruk yang terkadang tidak
terpikirkan ketika kita menggunakan telekomunikasi.Teknologi telekomunikasi yang bisa diakses kapan saja dan di mana saja membuat pertukaran data dan informasi begitu mudahnya
dilakukan oleh siapa saja.Bahkan tidak sedikit orang melakukan pencurian data dan informasi demi keuntungannya sendiri.Untuk mencegah terjadinya pengaksesan oleh orang yang tidak
mempunyai wewenang sistem dapat diperkuat dari sisi keamanannya. Keamanan jaringan tergantung pada kecepatan pengatur jaringan dalam menindaklanjuti
sistem saat terjadi gangguan. Untuk memperkuat keamanan jaringan komputer dapat diterapkan sistem pendeteksi serangan dalam jaringan tersebut.
IDS Intrusion Detection System membantu administrator jaringan dalam memantau keadaan sistem dengan mendeteksi dan menganalisa lalu lintas paket-paket data yang terjadi
pada jaringan. Suricata adalah salah satu IDS engine open source yang dirilis oleh OISF Open Information System Foundation organisasi non-profit yang didanai oleh pemerintahan Amerika
Serikat. Dalam pengamatan penulis IDS snort paling banyak digunakan karena snort merupakan
standard de facto
IDS di dunia. Akan tetapi kemunculan Suricata sebagai IDS belum banyak
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 483
dilakukan riset dalam dunia.Oleh karena itu, penulis mencoba melakukan riset kecil tentang Suricata IDS.Di mana penulis menitikberatkan pada penelitian bagaimana performa server
sebelum dan sesudah adanya Suricata.Dalam hal ini pemakaian memori komputer yang menjadi tolok ukur.
Berdasarkan latar belakang yang telah diuraikan sebelumnya, penulis mengambil rumusan masalah bagaimana kinerja server sebelum dan sesudah adanya Suricata IDS dalam menangani
IP FloodingDOS attack yang menguras memori komputer. 2.
LANDASAN TEORI 2.1 IDS Intrusion Detection System
Salah satu metode keamanan jaringan tersebut yaitu dengan IDS
Intrusion Detection System
dan IPS
Intrusion Prevention System
. Menurut Dr. Natarajan Meghanathan professor di Jackson State University menyatakan bahwa IDS Intrusion Detection System adalah
layaknya alarm di dunia nyata. Tugas utama dari sebuah IDS yaitu mengidentifikasi aktivitas mencurigakan ataupun aktivitas yang merugikan sistem, bukan aktivitas normal. Selain itu juga
mampu mengklasifikasikan aktivitas tersebut dan jika memungkinkan IDS dapat merespon aktivitas itu.
Ada beberapa alasan untuk memasang IDS di sistem : 1.
Untuk mencegah masalah yang disebabkan adanya peningkatan resiko ditemukannya lubang keamanan.
2. Untuk mendeteksi serangan dan masalah keamanan lainnya yang tidak bisa dicegah oleh alat
keamanan lainnya. 3.
Untuk mendokumentasikan ancaman yang telah terdeteksi. 4.
Bertindak sebagai
quality control
untuk administrasi dan desain keamanan, khususnya untuk organisasi skala besar dan kompleks.
5. Untuk menyediakan informasi yang berguna tentang serangan dimana hal itu terjadi,
mengizinkan diagnose yang lebih mendalam, upaya pemulihan sistem dan pembenaran faktor kausatif.
IDS merupakan sebuah sistem komputer yang dapat dipadukan antara hardware dan software yang bekerja secara bersama-sama yang dapat mengenali adanya penyusupan pada
sebuah jaringan. Beberapa komponen dari sebuah IDS yaitu :
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 484
a.
Analysis engine :
melakukan pengujian terhadap trafik jaringan dan membandingkannya dengan pola aktivitas mencurigakan atau merugikan di dalam database engine. Komponen ini
sering disebut ―otak‖ dari sebuah IDS. b.
Traffic collector sensor :
mengumpulkan aktivitas atau even dari IDS untuk dilakukan pengujian. Untuk sebuah HIDS Host-based Intrusion Detection System bisa berupa file-file
log, log audit, atau trafik yang datang ataupun yang keluar dari sistem. Sedangkan untuk NIDS Network-based Intrusion Detection System bisa berupa trafik jaringan yang
tertangkap oleh sebuah
sniffer.
c.
Signature database
:sebuah kumpulan pola dan definisi dari aktivitas mencurigakan atau merugikan.
d.
User interface and reporting
: tampilan yang menyajikan
alert
dan memberikan interaksi kepada pengguna untuk mengoperasikan IDS tersebut.
Berikut gambar komponen IDS dari Conklin and White dalam karyanya yang berjudul
Principles of Computer Security, 2
nd
Edition
:
Gambar 2.1 Komponen IDS Dilihat dari kemampuan IDS dalam hal mendeteksi serangan atau upaya penyusupan di
dalam jaringan, maka IDS terbagi menjadi dua yaitu : 1.
NIDS
Network-based Intrusion Detection System
yaitu IDS yang menguji aktivitas trafik yang melewati jaringan dengan mengumpulkan paket-paket data lalu dianalisa apakah paket
tersebut merupakan paket normal atau paket serangan. NIDS biasanya diletakkan di bagian penting jaringan seperti di server atau pintu masuk jaringan.
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 485
2. HIDS
Host-based Intrusion Detection System
yaitu IDS yang hanya memantau aktivitas jaringan di sistem individu dan tidak mempedulikan sistem lain atau jaringan itu. HIDS sering
diletakkan di firewall, web server atau server yang terhubung langsung dengan internet. 3.
METODE PENELITIAN Penelitian ini termasuk jenis penelitian laboratorium
Laboratory-based research
, yaitu penelitian kuantitatif dalam pengumpulan data dengan cara eksperimen.Eksperimen bertujuan
untuk menumbuhkan variabel-variabel dan selanjutnya dikontrol untuk dilihat efektivitas dari Suricata IDS dalam menangani adanya upaya serangan dari attacker berupa DOS attack.
Pengukuran keefektivitasan dari Suricata dilihat dari besarnya penggunaan memori komputer dalam hal menangani serangan tersebut. Yaitu dengan cara membandingkan hasil dari
pengukuran memori sebelum dan sesudah diinstall Suricata ke dalam server. Sebelum melakukan pengujian, terlebih dahulu merancang ruang lingkup penelitian yaitu
desain jaringan yang akan digunakan. Berikut rancangan jaringan penelitian :
Gambar 3.1 Arsitektur Penelitian Komputer yang digunakan sebagai server diuji terlebih dahulu dengan software aplikasi DOS
bawaan Kali Linux OS yaitu Siege.Pengujian ini dilakukan selama 5 kali berturut-turut dimulai dari batas waktu 1 menit sampai 5 menit dengan jarak pengujian selama 1 menit. Untuk
mengetahui konsumsi memori komputer yang digunakan, peneliti menggunakan aplikasi top yaitu aplikasi task manager Linux.
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 486
Dalam menghubungkan komputer server dan attacker diperlukan ip address. IP address diatur statik secara manual dengan merubah file konfigurasi dari file
interfaces
di dalam folder etcnetwork. Dalam hal ini komputer server mendapat IP address 192.168.1.1 sedangkan
komputer attacker mempunyai IP address 192.168.1.2. Dalam menguji Suricata yang berada di server dengan IP address 192.168.1.1, attacker melakukan IP Flooding langsung dari komputer
dengan IP address 192.168.1.2. Setelah dilakukan pengujian pre-test sebelum adanya Suricata langkah selanjutnya ialah
dengan melakukan pengujian post-test setelah adanya Suricata. Akan tetapi sebelum melakukan post-test, terlebih dahulu diberikan treatment yaitu instalasi Suricata.
4. HASIL PENELITIAN DAN PEMBAHASAN
Hasil dari penelitian ini dibagi menjadi dua hasil yaitu pre-test dan post-test.Hasil pre-test adalah dimana komputer diserang sebelum menggunakan Suricata IDS.Sedangkan hasil post-test
adalah komputer diserang setelah diinstall Suricata IDS.Setiap kali dilakukan penyerangan, diukur penggunaan memori komputer. Pengukuran tersebut menggunakan aplikasi top bawaan
sistem operasi Linux. Sebelum dilakukan pengujian, komputer server menunjukkan penggunaan memori standar yaitu 585.396 KB dengan task 172 buah. Sedangkan hasil pengujian pre-test
adalah sebagai berikut : Tabel 4.1 Perbandingan hasil pengujian pre-test
Menit Memori
Prosentase Task
1 770708
40,0 176
2 768208
39,9 176
3 841900
43,7 178
4 849700
44,1 178
5 851848
44,2 178
Pengujian post-test pertama diambil setelah pengujian tahap pertama selesai dilakukan. Akan tetapi komputer server di
reboot
terlebih dahulu agar seperti kondisi baru dinyalakan. Hasil dari pengujian post-test tersaji di tabel 4.2.
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 487
Tabel 4.2 Tabel hasil pengujian post-test Menit
Mem Used Percentage Task 1
1182480 61,4
181 2
1193232 61,9
181 3
1197644 62,2
181 4
1202396 62,4
184 5
1207644 62,7
184 Secara keseluruhan hasil pengujian Suricata menggunakan serangan IP Flooding yang
difokuskan terhadap penggunaan memori komputer dapat dilihat di tabel 4.3. Uji normalitas pre-test dengan metode
Kolmogorov-Smirnov
dengan tool PSPP dapat dilihat di bawah ini.
Gambar 4.1 Uji normalitas pre-test Dari gambar tersebut tingkat signifikansi data pre-test mulai dari variabel menit, memori dan
task masing-masing bernilai 1,00; 0,68; dan 0,51 yang berarti melebihi nilai signifikansi sebesar 0,05. Hal ini membuktikan bahwa distribusi data pre-test termasuk distribusi data yang normal.
Berikut hasil uji normalitas data post-test yang telah dilakukan :
Gambar 4.2 Uji normalitas Post-test
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 488
Dapat dilihat dari gambar di atas taraf signifikansi dari variabel menit senilai 1,00, variabel memori senilai 1,00 dan variabel task senilai 0,51 yang berarti telah melebihi taraf signifikansi
yang telah ditetapkan yaitu sebesar 0,05. Hal ini membuktikan bahwa H diterima dan data post-
test memang termasuk distribusi data yang normal pula. Setelah diketahui bahwa data dari pre-test maupun post-test adalah data yang berdistribusi
normal, langkah berikutnya ialah uji homogenitas yang dimaksudkan untuk memperlihatkan bahwa dua atau lebih kelompok data sampel berasal dari populasi yang memiliki variansi yang
sama. Berikut hasil uji homogenitas data pre-test yaitu data hasil pengujian sebelum adanya instalasi Suricata IDS :
Gambar 4.3 Uji homogenitas pre-test Terlihat dari hasil pengolahan data melalui software aplikasi PSPP menunjukkan bahwa data
tersebut berasal dari variansi yang homogen. Hasil uji homogenitas mencapai nilai signifikansi 0,17 melebihi 0,05 yang berarti H
diterima. Sedangkan hasil uji homogenitas data setelah diinstall Suricata dapat dilihat di gambar 4.4 di bawah ini :
Gambar 4.4 Uji homogenitas post-test
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 489
Uji homogenitas pada data hasil pengujian setelah diinstall Suricata memperlihatkan angka nilai signifikansi sebesar 0,30 yang berarti bahwa data-data tersebut merupakan data yang mempunyai
variansi yang sama. Pengujian ada tidaknya korelasi antar variabel dapat digunakan dengan metode
bivariate correlation
atau sering disebut juga Product Moment Pearson. Dalam melakukan uji korelasi perlu memperhatikan
Test of Significant
yaitu meliputi Two-Tailed uji dua sisi digunakan dalam kondisi belum diketahui bentuk hubungan antar variabel dan One-Tailed satu sisi
digunakan untuk menguji test of significant dari dua variabel akan tetapi telah diketahui adanya arah kecenderungan hubungan negative atau positif di antara dua variabel yang berhubungan.
Pengujian korelasi pertama dilakukan dengan data pre-test menghasilkan output sebagai berikut :
Gambar 4.5 Uji korelasi Pre-test Dari hasil di atas dapat diketahui bahwa besarnya penggunaan memori oleh server berdasarkan
korelasi dengan banyaknya task yang berjalan dengan tingkat signifikansi sebesar 0,00. Hal ini berarti penggunaan memori tidak ada hubungannya dengan banyaknya task yang berjalan. Untuk
pengujian kedua yaitu uji korelasi post-test dapat dilihat di gambar 4.6 :
Gambar 4.6 Uji korelasi post-test Dapat kita lihat dari hasil uji korelasi antara task dan memori setelah diinstall Suricata
berbeda dengan uji korelasi sebelumnya. Dengan tingkat korelasi sebesar 0,11 berarti penggunaan memori memiliki hubungan yang erat dengan banyaknya task.
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 490
Langkah analisis selanjutnya yaitu menganalisis keefektifan penelitian ini. Apakah dengan menginstall Suricata IDS dapat mengurangi serangan DOS atau malah sebaliknya dapat
membuat komputer server lebih cepat kehabisan memori. Sampel dependen atau sampel berpasangan biasanya diambil dari satu kelompok sampel yang diberikan dua perlakuan yang
berbeda. Penelitian ini juga termasuk sampel dependen dikarenakan ada perlakuan berbeda yaitu penyerangan kepada komputer server sebelum Suricata IDS diinstall dan penyerangan sesudah
IDS diinstall. Tabel 4.4 Data Penggunaan Memori Pre-test dan Post-test
Pengujian Memori
Sebelum Sesudah
1 770708
1182480 2
768208 1193232
3 841900
1197644 4
849700 1202396
5 851848
1207644 Dengan menggunakan tingkat kepercayaan 95 . Apakah instalasi Suricata tersebut efektif
untuk menghalau serangan DOS atau tidak ?
Gambar 4.7 Uji T Sampel Dependen data penelitian. Dari hasil analisis di atas dapat disimpulkan bahwa rata-rata memori komputer sebelum diinstall
Suricata setelah diberi serangan DOS adalah 750.546,40 dengan standar deviasi 5.591,79
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 491
sedangkan penggunaan memori setelah diinstall Suricata ialah sebesar 1.056.064,00 dengan nilai standar deviasi 4622,60.
Pada output kedua di atas angka signifikansi korelasi bernilai 0,06 antara dua variabel yaitu sebelum dan sesudah diinstall Suricata memiliki hubungan yang erat. Sedangkan output ketiga
setelah dibandingkan hasil uji T sampel dependen tampak bahwa nilai T = -24,15. Dalam pengambilan kesimpulan digunakan nilai signifikansi. Tertera pada gambar di atas bahwa nilai
signifikansi 0,00 0,005. Hal ini mutlak H ditolak, sehingga dapat disimpulkan bahwa instalasi
Suricata IDS benar-benar efektif dalam melakukan pertahanan terhadap serangan DOS. Setelah mengetahui bagaimana hasil akhir dari analisis pre-test dan post-test, ada baiknya
kita sajikan hasil pengujian dilihat dari sistem Suricata itu sendiri. Setelah Suricata IDS diaktifkan, secara otomatis Suricata akan mencatat apapun yang berjalan di trafik jaringan baik
itu lalu lintas jaringan normal maupun serangan. Di bawah ini adalah hasil dari pengujian post- test :
Tabel 4.6 Deteksi serangan pengujian
deteksi 1
1419 2
2837 3
6038 4
9724 5
16705 Dari rangkaian pengujian dan analisis terhadap penggunaan memori baik sebelum dan
sesudah diinstall Suricata dapat disimpulkan bahwa meskipun penggunaan memori setelah diinstall Suricata lebih tinggi dibanding memori yang digunakan sebelum adanya instalasi
Suricata, akan tetapi Suricata mampu menghasilkan
alert
berupa output http.log, fast.log dan stats.log yang masing-masing dapat menerangkan dari mana penyerang berasal baik berupa
informasi IP address yang digunakan, http header yang dikirim maupun jenis serangan yang digunakan. Di bawah ini adalah contoh output http.log dan fast.log :
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 492
Gambar 4.8 Output http.log Dapat dilihat dari gambar di atas bahwa Suricata mampu mengenali IP address yang telah
melakukan IP Flooding adalah 192.168.1.1.
Gambar 4.9 Output fast log Serangan yang berhasil dideteksi berupa TCPv4 invalid checksum dengan klasifikasi keamanan
tingkat 3 dari IP address 192.168.1.2 yaitu IP Flooding. Deteksi ini berjalan sesuai dengan
rule
yang telah dibuat didalam folder etcsuricatarules. 5.
KESIMPULAN Berdasarkan hasil analisa dan pembahasan dapat diperoleh kesimpulan bahwa penelitian
―Analisis Sistem Deteksi Serangan Keamanan Jaringan Menggunakan Suricata‖ dengan menggunakan sistem operasi Ubuntu LTS 12.04.2 desktop dengan memanfaatkan tools attacker
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 493
Siege bawaan sistem operasi Kali Linux memperlihatkan bahwa Suricata dapat menangani serangan dengan baik. Hal ini dapat dilihat dari penggunaan memori yang baik. Didukung pula
Suricata dapat mendeteksi adanya serangan DOS. Hasil analisis uji T sampel dependen membuktikan bahwa server dengan bantuan Suricata
IDS dapat meredam lebih banyak daripada server yang berjalan tanpa diinstall Suricata IDS. DAFTAR PUSTAKA
Al Fatta, H. 2007.
Analisis dan Perancangan Sistem Informasi untuk Keunggulan Bersaing Perusahaan Organisa si Modern.
Yogyakarta: CV. Andi Offset. Albin, E. 2011.
A Comparative Analysis of The Snort and Suricata Intrusion-Detection Systems.
Monterey: Naval Postgraduate School. Alexander, L. A. 2010, November 19.
Ancaman keamanan data dan jenis gangguan.
Retrieved Desember
5, 2013,
from Double
klikk: http:dobelklikk.wordpress.com20101119ancaman-keamanan-data-dan-jenis-jenis-
gangguanancaman
Complete list of Suricata Features
. n.d.. Retrieved March 20, 2014, from Suricata IDS: http:suricata-ids.orgfeaturesall-features
cyruslab. 2012, 10 18.
Building an IDS : installing snorby, suricata and barnyard2
. Retrieved March 24, 2014, from The Network Journal: http:cyruslab.net20121018building-an-ids-
part-1-installing-pre-requisites-and-snorby Day, D. J., Burns, B. M. 2011. ICDS 2011.
A Performance Analysis of Snort and Suricata Network Intrusion Detection and Prevention Engines
, 187-192. firnsy.
n.d..
Barnyard2
. Retrieved
March 24,
2014, from
Github.com: https:github.comfirnsybarnyard2
Fuzi, F. 2011.
An Analysis of Intrusion Detection System.
Melaka: Universiti Teknikal Malaysia Melaka.
Kacha, C., Shevade, K. A. 2012. IJETAE_1212_44.
Comparison of Different Intrusion Detection and Prevention Systems
, 243-245.
Keamanan Jaringan.
2013, April 11. Retrieved Desember 05, 2013, from Wikipedia: http:id.wikipedia.orgwikiKeamanan_jaringan
Kusumawati, M. 2010.
Implementasi IDS Intrusion Detection System Serta Monitoring Jaringan dengan Interface Web Berbasis Base pada Keamanan Jaringan.
Depok: UI Press. L. Person, L., S. Davie, B. 2012.
Computer Networks: A Systems Approach.
Elsevier. McRee, R. 2010. ISSA Journal.
Suricata: An introduction
, 40-42. Meghanathan, D. N. 2012.
Intrusion Detection Systems.
Jackson State University. Messer, W. H. 2011.
Performance Testing Suricata : The Effect of Configuration Variables On Offline Suricata Performance.
Georgia Institute of Technology. Messer, W. H. 2011.
P erformance Testing Suricata: The Effect of Configuration Variables On Offline Suricata Performance.
Georgia Institute of Technology. Mulyono. 2013.
P erancangan dan Implementasi Sistem Monitoring Jaringan LAN Local Area Network dengan Notifikasi SMS.
Yogyakarta: UIN Sunan Kalijaga. Naimzada, A. K., Stefani, S., Torriero, A. 2009.
Networks, Topology and Dynamics: Theory and Applications to Economics and Social Systems.
Milano: Springer.
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 494
Panwar, S. S., Mao, S., Ryoo, J. d., Li, Y. 2004.
TCPIP Essentials : A Lab-Based Approach.
Cambridge University Press. Putri, L. 2011.
Implementasi Intrusion Detection System IDS Menggunakan Snort pada Jaringan Wireless.
Jakarta: UIN Syarif Hidayatullah. Qudratullah, M. F., Suphandi, E. D.
Handout P raktikum Metode Statistika.
Yogyakarta. Rahardjo, B. 2005.
Keamanan Sistem Informasi Berbasis Internet.
Jakarta: PT Insan Infonesia PT INDOCISC.
Rob. 2013, July 2.
What is Linux
. Retrieved March 20, 2014, from Linux.org: http:www.linux.orgthreadswhat-is-linux.4076
Saputra, A. 2005.
Pengembangan perangkat wireless IDS Intrusion Detection System berbasis embedded sytem .
Jakarta: UIN Syarif Hidayatulloh. Stammler, J. H. 2011.
Suricata Performance White Paper.
Syafrizal, M. 2005.
Pengantar Jaringan Komputer.
Yogyakarta: Andi. Yuhefizar. 2008.
10 Jam menguasai internet, teknologi dan aplikasinya.
Jakarta: Elex Media Komputindo.
Seminar Nasional Matematika, Sains dan Informatika 2015 495
MENINGKATKAN KREATIVITAS PENGGALIAN DATA DAN PENEMUAN PENGETAHUAN
Budi Sutedjo Dharma Oetomo
Prodi Sistem Informasi Universitas Kristen Duta Wacana Jl. Dr. Wahidin 5-19 Yogyakarta, Telp. 0274-563929, e-mail: budistaff.ukdw.ac.id
ABSTRAK. Dewasa ini, perusahaan sudah semakin menyadari tentang arti penting dari penggalian data dan penemuan pengetahuan dari tumpukan atau gudang data yang
dimilikinya. Namun, usaha-usaha penggalian data itu sangat bergantung pada kreativitas dari para penggali data. Oleh karena itu, diperlukan usaha-usaha untuk
meningkatkan kreativitas mereka, agar proses penggalian data dan penemuan pengetahuan itu memberikan manfaat yang besar bagi perusahaan.
Kata kunci: kreativitas penggalian data, inovasi penemuan pengetahuan.
1. PENDAHULUAN
Dalam satu dekade terakhir ini, persaingan dunia usaha semakin kompetitif. Perusahaan- perusahaan bersaing untuk merebut pasar dan mendominasi perdagangan. Hal itu ditandai
dengan hadirnya pemain-pemain baru dalam usaha sejenis dan produk-produk substitusi, diferensiasi produk, perang merek dan harga, pengembangan strategi-strategi bisnis yang baru
dan penyerapan teknologi secara besar-besaran oleh perusahaan Porter, 2008. Pimpinan-pimpinan perusahaan pun berusaha keras untuk menambah modal kerja guna
pengembangan infrastruktur, maupun penyediaan mesin-mesin untuk meningkatkan kualitas dan mempercepat produksi. Mereka juga berusaha untuk mengimplementasi perangkat keras dan
lunak teknologi informasi untuk meningkatkan kualitas layanan administrasi dan pengambilan keputusan. Di samping itu, mereka juga semakin selektif dalam perekrutan tenaga kerja dan
pembelian bahan baku, serta semakin teliti dalam merancang proses kerja dan menyusun anggaran.
Kata ―efisien‖ dan ―efektif‖ seakan menjadi mantera untuk meningkatkan produktivitas dan memangkas pengeluaran-pengeluaran yang tidak perlu. Menurut Usman 2014, 3, perusahaan
akan ―efisien‖, bila para pimpinan dan karyawan dapat melakukan pekerjaan dengan benar. Oleh karena itu, pimpinan perusahaan harus berusaha untuk menyusun
Standard Operating Procedur
SOP untuk setiap proses bisnisnya, agar para karyawan dapat dipastikan melakukan proses bisnis dan tugasnya dengan benar.
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 496
Selain itu, Usman 2014, 3 juga berpendapat bahwa perusahaan akan ―efektif‖, jika para pimpinan dan karyawan dapat melakukan pekerjaan-pekerjaan yang benar. Jadi, pimpinan
perusahaan harus terus berusaha untuk melakukan kontrol dan audit terhadap seluruh proses bisnisnya, agar mereka dapat mengurangi bahkan menghindari proses yang tidak seharusnya
dikerjakan, mengurai dan menata ulang struktur organisasi dan sistem birokrasi yang rumit, medeskripsikan pekerjaan yang sesuai dengan kompetensi para karyawan, menetapkan target dan
pasar sasaran yang tepat. Oleh karena itu, pimpinan perusahaan mulai memaksimalkan fungsi basis data yang
dimilikinya. Jika di masa lalu, basis data yang dimiliki perusahaan belum banyak digunakan untuk dasar peningkatan kualitas dan pengambilan keputusan, maka kini, para pimpinan
berusaha melakukan penggalian data atau
data mining
atau yang kerap disebut analisis data eksploratif Olson, 2008, 6 atau penambangan data McLeod, 2010, 232.
Mereka mulai menyediakan waktu untuk membuka kembali timbunan data transaksi penjualan, data-data konsumen, berkas-berkas karyawan, kartu-kartu persediaan barang, laporan-
laporan produksi, rekening bank, laporan rugi laba dan neraca. Mereka menelaah dan menganalisis data itu dengan bantuan para ahli dan aplikasi sistem informasi untuk mencari
hubungan antara data yang tidak dikenal dengan pemakainya McLeod, 2010, 232. Penggalian data itu dilakukan untuk menemukan informasi-informasi atau pengetahuan-
pengetahuan tentang bahan baku, proses produksi, kinerja peralatan yang digunakan, perilaku konsumen, staf dan pemasok, maupun pengaruh program pemasaran yang tersembunyi. Lewat
kegiatan itu, diharapkan mereka mampu menemukan informasi-informasi penting untuk mengevaluasi dan meningkatkan kualitas proses bisnisnya.
Usaha-usaha penggalian data itu tentu sangat bergantung pada kreativitas para penggali data. Mereka harus memiliki kreasi dan inovasi dalam menggali timbunan data dalam jumlah
yang sangat besar. Tanpa kreasi dan inovasi, maka mereka hanya akan menghabiskan waktu untuk membaca tumpukan data semata. Lambat laun, mereka pun akan jenuh, frustrasi dan
merasa terjebak di tengah gudang data atau
datawarehouse
Laudon, 2013, 252-253. Namun, tidak semua penggali data dapat terus kreatif dan inovatif di tengah pekerjaan yang
sifatnya rutin. Oleh karena itu, perlu dirumuskan langkah-langkah untuk terus meningkatkan kreasi dan inovasi semua pihak yang terkait dengan proses penggalian data tersebut, agar proses
itu dapat memberi manfaat yang sebesar-besarnya bagi perusahaan.
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 497
2. HASIL PENELITIAN DAN PEMBAHASAN
Sering kali, kata ―kreatif‖ dan ―inovatif‖ seakan-akan hanya monopoli orang-orang yang menjadi wirausahawan atau
entrepreneur
. Padahal dalam Kamus Besar Bahasa Indonesia 2008, kata ―kreatif‖ dipahami sebagai kemampuan untuk mencipta dan kata ―inovasi‖
dipahami sebagai penemuan baru yang berbeda dari yang sudah ada atau yang sudah dikenal sebelumnya yang dapat dikembangkan oleh siapa saja yang ingin terus maju dan berkembang
dalam profesinya. Hendro 2011, 105 berpendapat, bahwa pemikiran kreatif itu penting, karena hal itu berguna untuk:
1. Menemukan gagasan, ide, peluang dan inspirasi baru.
2. Mengubah masalah atau kesulitan dan kegagalan menjadi sebuah pemikiran yang cemerlang
untuk langkah selanjutnya. 3.
Menemukan solusi yang inovatif. 4.
Menemukan suatu kejadian yang belum pernah dialami atau yang pernah ada hingga menjadi sebuah penemuan baru.
5. Menemukan teknologi baru.
6. Mengubah keterbatasan yang ada sebelumnya mejadi sebuah kekuatan atau keunggulan.
Banyak orang merasa bahwa dirinya tidak dapat berpikir kreatif atau kreativitas itu hanya miliki orang-orang tertentu saja. Ungkapan-ungkapan itu timbul, karena gambaran tentang kreativitas yang
dimiliki seseorang seringkali tidak lengkap. Hendro 2011, 107 menggambarkan kreativitas sebagai:
1. Bukan semata-mata pemecahan masalah, tetapi penciptaan sesuatu yang lebih baik, orisinil
dan unik. 2.
Cara mengoptimalkan dan menggunakan pengetahuan yang dimiliki seseorang untuk mengatasi masalah yang belum ada jawaban yang pasti.
3. Cara untuk memunculkan sebuah inspirasi yang brilian.
4. Tidak bisa ditiru, dicangkok atau dipaksakan kepada orang lain, tetapi kreativitas dapat
dipelajari dan dilatih. 5.
Menggunakan cara yang berbeda dan lain dari yang orang lain lakukan. 6.
Kunci untuk merancang desain produk baru dan munculnya teknologi baru. 7.
Tanpa kreativitas tidak akan ada inovasi atau penemuan baru.
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 498
Jika para penggali data dapat terus menciptakan sasaran, kriteria dan sudut pandang baru, serta melakukan penemuan-penemuan metode penggalian data, hubungan-hubungan antar data
yang baru, maka proses penggalian data menjadi menarik bagi dirinya, sehingga ia dapat bertekun dan secara teliti melakukan pengamatan dari setiap data dan kemungkinan relasi yang
terbentuk di antaranya. Penggalian data pun dapat berkembang dengan cepat dan mendatangkan banyak manfaat bagi perusahaan Olson, 2008, 7.
Untuk membangun kemampuan kreativitas dalam diri para penggali data itu, maka diperlukan sejumlah sikap dasar yang harus ditumbuhkan dalam diri mereka yang meliputi:
1.
Rasa ingin tahu yang tinggi. Dimana, rasa ingin tahu itu akan menumbuhkan pertanyaan-
pertanyaan dalam benak para penggali data untuk mengenali perilaku data dan hubungan- hubungan antar data yang mungkin terjadi.
2. Semangat berkompetisi yang positif. Di mana, semangat itu akan menciptakan daya juang
dan kemampuan para penggali data untuk menemukan rahasia-rahasia atau pengetahuan yang baru atau relasi-relasi unik yang terdapat dalam tumpukan data dengan cepat, sebelum
kompetitor menemukannya. Namun, langkah-langkah yang ditempuhnya didasarkan pada metode-metode yang ilmiah atau penelitian, bukan didasarkan pada hal-hal yang bersifat
supranatural atau kecurangan-kecurangan. 3.
Keinginan bekerja secara efektif. Dimana, para penggali data tidak asal-asalan dalam
melakukan proses-proses penggalian. Apalagi, Olson 2008, 9 juga menekankan bahwa kunci efektivitas dalam penggalian data adalah ditemukannya informasi yang dapat
ditindaklanjuti atau
actionable.
Oleh karena itu, mereka perlu memvalidasi data, agar diperoleh data-data yang benar untuk diteliti. Mereka juga harus menempuh prosedur yang
benar dan memastikan semua tindakan yang dilakukannya itu benar. Untuk membangkitkan kemampuan kreatif dalam diri penggali data, maka dapat ditempuh
langkah sebagai berikut diubah suai dari Hendro, 2011, 108-109: 1.
Mulailah dan terus berimajinasi. Di mana, seorang penggali data perlu memiliki dan
memelihara imajinasinya dalam usaha menemukan rahasia-rahasia atau pengetahuan- pengetahuan yang terpendam dalam gudang data, seperti hubungan usia dengan pemilihan
produk, latar belakang demografi seseorang dengan keputusan pembelian, harga dengan kualitas dan relasi lainnya. Selain itu, penggali data juga dapat menemukan pasangan-
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 499
pasangan barang dalam keranjang belanja konsumen, misalnya roti tawar – mentega –
meses, sikat gigi - pasta gigi – sabun mandi.
2.
Keberanian untuk berpikir berbeda dari orang lain bahkan berlawanan. Seorang
penggali data perlu memiliki keberanian untuk melihat perilaku data dari sudut pandang yang berlawanan dengan kaidah yang sudah. Namun, perbedaan itu bukan dilandasi oleh
sikap apriori, melainkan keinginan untuk mendapatkan informasi-informasi penting dari sudut pandang yang berbeda, misalnya: secara umum orang menghubungkan antar cuaca
dingin dengan minuman hangat, seperti sekoteng, wedang jahe, atau ronde, tetapi penggali data harus terbuka pada fakta baru bahwa toko-toko di daerah wisata yang berhawa dingin
justru banyak menyediakan es. 3.
Belajar berpikir optimis, sehingga para penggali data selalu memiliki harapan dalam
setiap usaha untuk mencermati data dan mencari relasi-relasi yang mungkin terbentuk. Selama data-data itu masih dapat dibaca dan dipelajari, maka penggali data dapat terus
optimis dalam menemukan hal-hal baru. 4.
Berpikir lebih rinci dengan memperhatikan hal-hal yang dianggap remeh atau tidak sesuai
dengan kaidah umum oleh kompetitor. Seorang penggali data perlu mencermati secara terinci, agar tidak ada informasi yang terlewatkan untuk dipertimbangkan.
5.
Amati kejadian-kejadian yang terjadi di seputar data, agar penggali data dapat
menemukan dampak positif dan negatif yang timbul, maupun relasi-relasi unik yang terjadi, misalnya kejadian kenaikan atau penurunan penjualan saat harga jual dinaikkan atau
promosi dilakukan lewat media televisi. 6.
Terus belajar untuk meningkatkan wawasan dan keterampilan, serta menambah
pengalaman dalam menangani kasus-kasus yang terjadi. 7.
Rayakan keberhasilan dan berilah penghargaan para penggali data yang mampu
menemukan relasi antar data yang sangat bermanfaat dan fenomena-fenomena yang semula tidak pernah diperhitungkan oleh perusahaan.
3. KESIMPULAN
Dewasa ini, proses penggalian data sudah disadari sebagai kebutuhan ―primer‖ baru yang sangat penting bagi perusahaan di masa kini. Lewat penggalian data itu, para pemimpin dan staf
perusahaan dapat semakin mengenal dan memahami perilaku dari para pemasok, SDM
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 500
perusahaan, bahan baku, proses produksi, pemasaran, penjualan, keuangan, ekspedisi dan berbagai departemen lainnya.
Namun, proses penggalian data itu membutuhkan kreativitas dari para penggali, agar mereka dapat menemukan rahasia-rahasia dan pengetahuan-pengetahuan baru yang terkandung
dalam tumpukan data tersebut. Para penggali yang kreatif sangat berjasa dalam menemukan bentuk dan pola-pola relasi yang terjadi antar data, agar pola-pola yang ditemukannya itu dapat
segera ditindaklanjuti. Kreativitas bukan merupakan bakat atau warisan leluhur atau sifat keturunan, tetapi
kreatifitas itu sejatinya dapat dipelajari. Oleh karena itu, para penggali data dapat dan perlu terus berlatih, agar mereka semakin kreatif dan inovatif dalam menemukan pengetahuan dibalik proses
penggalian data tersebut. DAFTAR PUSTAKA
Hendro 2011,
Dasar-dasar Kewirausahaan,
Penerbit Erlangga.
Kamus Besar Bahasa Indonesia
Edisi keempat. 2008
,
Balai Pustaka, Laudon, Kenneth C Laudon, Jane P 2013,
Management Information Systems: Managing the Digital Firm
, Pearson. McLeod, Raymond Jr Schell, George P 2010,
Sistem Informasi Manajemen
, Indeks. Olson, David Shi, Yong 2008,
Pengantar Ilmu Penggalian Data Bisnis
, Penerbit Salemba Empat.
Porter, Michael E 2008,
Keunggulan Bersaing,
Karisma Publishing. Usman, Husaini, Prof, Dr, M.Pd., MT 2014,
Manajemen: Teori, PRaktik dan Riset Pendidikan
, Penerbit Bumi Aksara.
Seminar Nasional Matematika, Sains dan Informatika 2015 501
EVALUASI PENGARUH AVATAR TERHADAP KEMUDAHAN IDENTIFIKASI KARAKTERISTIK WISATAWAN PADA PEMANDU WISATA MANDIRI BERBASIS
SOSIAL MEDIA
Faiz Umar Baraja S.Kom., Dr. Ridi Ferdiana, S.T., M.T., dan Dani Adhipta, S.Si., M.T. Universitas Gadjah Mada
ABSTRAK. Keterbatasan jumlah pemandu wisata yang ada saaat ini menyebabkan wisatawan kesulitan untuk mendapatkan informasi mengenai
obyek wisata yang akan dituju. Sebagai solusi atas kendala yang ada, maka pada penelitian ini akan dikembangkan aplikasi pemandu wisata mandiri.
Aplikasi ini akan dikembangkan pada perangkat
mobile
, dengan tujuan memberikan kenyamanan wisatawan dalam menemukan informasi saat
berwisata. Fokus penelitian ini adalah pada kemudahan penggunaan avatar untuk identifikasi karakteristik wisatawan pada aplikasi pemandu wisata
mandiri berbasis sosial media. Atribut-atribut yang ada pada avatar adalah jenis kelamin, ras dan tipe wisata. Metode yang digunakan pada penelitian ini
adalah
usability testing
, yaitu dengan mengukur lama waktu yang diperlukan responden untuk menyelesaikan tugas yang diberikan. Hasil penelitian
menunjukkan bahwa avatar pada aplikasi pemandu wisata mandiri tidak berpengaruh secara signifikan dalam memudahkan identifikasi karakteristik
wisatawan. Hal ini terjadi karena tidak adanya fitur untuk menseleksi avatar yang tampil di peta. Sehingga menyebabkan responden membutuhkan waktu
yang lebih lama untuk mengidentifikasi karakteristik avatar jika avatar yang tampil di peta cukup banyak.
Kata Kunci: avatar, pariwisata, wisatawan, internet, usability
1. PENDAHULUAN
Pariwisata atau
tour
adalah suatu perjalanan yang dilakukan untuk rekreasi atau liburan dan juga persiapan yang dilakukan untuk aktivitas ini. Pariwisata adalah suatu perjalanan yang
dilakukan orang untuk sementara waktu, yang diselenggarakan dari suatu tempat ke tempat lain
meninggalkan tempatnya semula, dengan suatu perencanaan dan dengan maksud bukan untuk
berusaha atau mencari nafkah di tempat yang dikunjungi, tetapi semata-mata untuk menikmati
kegiatan pertamasyaan dan rekreasi atau untuk memenuhi keinginan yang beraneka ragam Marpaung Bahar, 2000. Seorang wisatawan adalah seseorang yang melakukan perjalanan
paling tidak sejauh 80 km 50 mil dari rumahnya dengan tujuan rekreasi. Dalam melakukan perjalanan wisatanya seorang wisatawan biasanya menggunakan pemandu
wisata untuk mengetahui tujuan wisata. Pemandu wisata adalah petugas pariwisata yang berkewajiban memberi petunjuk dan informasi yang diperlukan wisatawan. Jumlah wisatawan
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 502
yang membutuhkan jasa pemandu wisata baik dalam bahasa Indonesia maupun asing banyak, akan tetapi jumlah yang ada belum memenuhi kebutuhan terhadap pemandu wisata. Ratih 2012
menyatakan saat ini hanya terdapat 35 pemandu wisata yang terdaftar sebagai pemandu wisata legal di Candi Prambanan. Dari total pemandu wisata yang ada, 26 orang diantaranya merupakan
pemandu wisata aktif yang setiap hari melakukan pemanduan di Candi Prambanan. Pemandu wisata tersebut minimal menguasai pemanduan dalam bahasa Indonesia dan Inggris. Selain itu
beberapa bahasa yang dikuasai pemandu wisata antara lain bahasa Jepang, Perancis, Belanda, Jerman, Spanyol, Italia dan Korea.
Adanya keterbatasan jumlah pemandu wisata menyebabkan wisatawan kesulitan untuk mendapatkan informasi mengenai obyek wisata yang akan dituju. Sebagai solusi atas kendala
yang ada, maka pada penelitian ini akan dikembangkan aplikasi pemandu wisata mandiri. Aplikasi ini akan dikembangkan pada perangkat
mobile
, dengan tujuan memberikan kenyamanan wisatawan dalam menemukan informasi saat berwisata. Pada pengembangannya aplikasi ini
berbasis pada sosial media. Dengan adanya sosial media, pengguna dapat berkomunikasi dan berbagi informasi antar sesama pengguna aplikasi. Selain sosial media, aplikasi ini juga
menerapkan avatar sebagai bentuk representasi pengguna. Fokus penelitian ini adalah pada kemudahan penggunaan avatar untuk identifikasi karakteristik wisatawan pada aplikasi pemandu
wisata mandiri berbasis sosial media. 2.
METODE PENELITIAN
Peralatan yang digunakan pada penelitian ini meliputi perangkat keras dan perangkat lunakan. Perangkat keras yang digunakan pada penelitian ini antara lain komputer
apple macbook pro
atau
mac mini,
layar terpisah jika menggunakan
mac mini
dan
iPad
. Sementara perangkat lunak yang digunakan pada penelitian ini antara lain
Mac OSX
dengan versi 10.7.5 atau lebih tinggi,
XCode
dengan versi 4.3 atau yang lebih tinggi dan
apple developer license
. Data yang digunakan pada penelitian ini ada dua. Kedua data tersebut adalah data hasil
survei preliminer dan data hasil evaluasi
usability.
Kegiatan yang dilakukan pada penelitian ini meliputi survei preliminer, pengembangan
prototype
dan evaluasi
usability.
Data hasil dari
evaluasi
usability
digunakan untuk pembuktian hipotesis penelitian. 2.1 Survei Preliminer
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 503
Pada penelitian ini digunakan 3 aplikasi sebagai pengukur kepuasan pengguna dan kegunaan aplikasi. Ketiga aplikasi yang digunakan pada penelitian ini adalah
visitskane
,
waze
dan
askanna
. Kuesioner pada survei awal ini terdiri dari 15 pertanyaan yang terbagi dalam 4 kategori.
Keempat kategori yang terdapat pada kuesioner ini adalah
usefulness
,
ease of use
,
ease of learn
dan
satisfaction
. Masing-masing kategori memiliki pertanyaan yang berbeda sesuai dengan kategorinya.
Untuk mengukur jawaban dari responden, pada kuesioner ini digunakan metode skala
Likert
. Jawaban pada kuesioner ini memiliki skala 1 sampai 5. Dengan adanya 5 skala, responden dapat
menentukan tingkat persetujuannya terhadap pernyataan yang terdapat pada kuesioner. Mengingat paket kuesioner yang digunakan adalah
USE QUESTIONAIRRE
yang menggunakan pilihan skala
Likert,
maka pengolahan data hasil survei ini menggunakan metode analisis skala
Likert
Riduwan Akdon, 2007. 2.2 Pengembangan
Prototype
Ada dua bentuk
prototype
yang dikembangkan pada penelitian ini, yaitu
low fidelity
dan
high fidelity
.
Prototype low fidelity
dikembangkan dengan membuat desain antar muka dalam bentuk gambar sketsa. Selain bentuk
low fidelity
, penelitian ini juga mengembangkan
prototype
dalam bentuk
high fidelity
.
Prototype high fidelity
merupakan gambaran lebih rinci dari aplikasi yang dikembangkan. Pada bagian ini pengguna dapat merasakan interaksi yang ada pada aplikasi serta
dapat menggunakan beberapa fitur yang ada pada aplikasi yang dikembangkan.
Prototype high fidelity
ini dikembangkan dalam bentuk aplikasi
mobile
yang berjalan pada sistem operasi
iOS
. 2.3 Evaluasi
Usability
Pada evaluasi
usability
penelitian ini terdapat 3 hal yang perlu dievaulasi. Ketiga hal tersebut adalah efektifitas, kemudahan penggunaan perangkat lunak dan kepuasan pengguna terhadap
perangkat lunak. Untuk mendapatkan hasil evaluasi berdasarkan masing-masing metrik diperlukan cara yang berbeda-beda.
Penentuan jumlah partisipan pada uji
usablity
ini adalah berdasarkan konsep yang dipopulerkan oleh Nielsen dan Landauer Nielsen Landauer, 1993. Konsep tersebut adalah
menggunakan berbagai uji
usability
kecil dengan hanya 5 partisipan dalam setiap pengujian pada tahap pengembangan. Adapun jumlah partisipan yang terlibat dalam evaluasi ini adalah enam
orang. Seluruh partisipan telah memiliki pengetahuan dasar tentang penggunaan aplikasi
mobile
.
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 504
Teknik pengujian
usability
pada penelitian ini adalah dengan menggunakan uji berbasis skenario. Teknik ini dipilih karena hasilnya benar-benar representatif terhadap apa yang terjadi
di lapangan karena pengujian melibatkan pengguna secara langsung
.
Untuk lokasi evaluasi dilakukan di ruangan dengan lingkungan yang terkendali. Lokasi evaluasi pada penelitian ini
adalah di salah satu ruang tempat tinggal peneliti. Pada lokasi evaluasi telah tersedia perangkat keras yang akan digunakan selama proses evaluasi. Selama pengguna menyelesaikan tugas yang
diberikan, peneliti mendampingi pengguna untuk memberi arahan dan mengamati aktifitas pengguna.
3. HASIL
PENELITIAN DAN
PEMBAHASAN 3.1 Survei Preliminer
Hasil survei preliminer menunjukkan bahwa sebagian besar responden lebih tertarik dengan penerapan avatar pada perangkat lunak dibandingkan dengan perangkat lunak yang tidak
menggunakan avatar. Hal ini terlihat dari analisis kuesioner pada survei preliminer yang menyaatakan bahwa adanya avatar pada perangkat lunak lebih memudahkan pada penggunaan
perangkat lunak. Table 4.1 menampilkan analisis hasil survei pada kemudahan penggunaan perangkat lunak.
Tabel 4.1. Tabel interpretasi skor dari frekuensi hasil survei
Ease of Use
. No
Interpretasi Skor Visitskane
AskAnna Waze
1 68
84 92
2 68
86 90
3 56
70 82
4 60
66 68
3.2 Avatar Aplikasi yang dikembangkan pada penelitian ini menyediakan beberapa avatar sebagai
pilihan atau yang biasa disebut dengan
predefined avatar
. Avatar yang disediakan memiliki beberapa atribut. Atribut-atribut tersebut adalah jenis kelamin, ras dan tipe wisata. Gambar 1
menampilkan beberapa pilihan avatar yang tersedia dengan ras Asia.
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 505
Pada Gambar 1 terlihat ada 6 macam pilihan avatar. Avatar-avatar tersebut merupakan avatar yang memiliki atribut ras yang sama namun memiliki atribut jenis kelamin dan tipe wisata yang
berbeda. Pada penelitian ini, atribut avatar ras dibagi menjadi 4 ras. Keempat ras tersebut adalah ras Asia, Arab, Eropa dan Afrika. Selain atribut ras, atribut tipe wisata dibagi menjadi 3 tipe
wisata. Ketiga atribut tipe wisata tersebut adalah wisata kerja, wisata alam dan wisata budaya dan sejarah.
Gambar 1. Pilihan avatar pada ras Asia 3.3 Evaluasi
Evaluasi pada penelitian ini adalah dengan menggunakan uji usability. Hasil data yang didapat pada uji usability ini digunakan untuk pembuktian hipotesis. Metode analisis yang
digunakan untuk pembuktian hipotesis adalah dengan menggunakan metode
Run Test
.
3.3.1 Lama Waktu Penyelesaian Tabel 1. Menunjukkan runtun dari hasil uji usability untuk rata-rata lama waktu penyelesaian
tugas yang diperlukan oleh responden. Berdasarkan pengolahan data yang telah dilakukan, maka jumlah run adalah 3 dan nilai batas terkecil untuk menolak H
adalah 0 dan batas terbesar untuk menolak Ho adalah 8. Dengan menggunakan taraf siginifikansi 95, maka jumlah run berada
diantara titik terendah dan titik tertinggi tabel F. Tabel 1. Runtun dari rata-rata lama waktu penyelesaian tugas
Responden 1
2 3
4 5
6 Runtun
1 1
1
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 506
Berdasarkan hasil analisis data mengenai lama penyelesaian tugas dapat diketahui bahwa hipotesis avatar pada aplikasi pemandu wisata mandiri dapat mempercepat dalam identifikasi
karakteristik wisatawan ditolak. Faktor yang menyebabkan penolakan hipotesis ini adalah tidak adanya fitur untuk menseleksi avatar yang tampil di peta. Hal ini menyebabkan responden
membutuhkan waktu yang lebih lama untuk mengidentifikasi karakteristik avatar jika avatar yang tampil di peta cukup banyak.
4. KESIMPULAN
Berdasarkan hasil penelitian yang telah dilakukan, dapat diambil kesimpulan bahwa avatar pada aplikasi pemandu wisata mandiri tidak berpengaruh secara signifikan dalam mempercepat
identifikasi karakteristik wisatawan. Hal ini terjadi karena tidak adanya fitur untuk menseleksi avatar yang tampil di peta. Sehingga menyebabkan responden membutuhkan waktu yang lebih
lama untuk mengidentifikasi karakteristik avatar jika avatar yang tampil di peta cukup banyak. DAFTAR PUSTAKA
Marpaung, H., Bahar, H. 2000. Pengantar Pariwisata. Bandung: Alfabeta. Purwaningsih, R. 2012. Pengaruh Kualitas Pelayanan Pemandu Wisata Terhadap Kepuasan
Wisatawan Di Candi Prambanan Tinjauan Khusus Pada Kemampuan Berbahasa Verbal. Riduwan, Akdon. 2007. Rumus dan Data dalam Analisis Statistika. Bandung: Alfabeta.
Nielsen, J., Landauer, T. K. 1993. A mathematical model of the finding of usability problems. In Proceedings of the SIGCHI conference on Human factors in computing
systems, 206-213.
Seminar Nasional Matematika, Sains dan Informatika 2015 507
DISAIN AWAL PROTOTYPE G2A UNTUK ANALISA DATA PERTANIAN DAN PEDESAAN
Hanna Arini Parhusip
1
dan Ramos Somnya
2
Pusat Studi Simitro, Fakultas Teknologi Informasi Universitas Kristen Satya Wacana
ABSTRAK. Prototype ini berupa software yang didisain sebagai kombinasi dari GIS
Geographical Information System
dan metode GSTAR
Generalized Space Time Autoregressive
. GIS merupakan sistem untuk membaca peta secara otomatis yang ditentukan oleh karakteristik lokasi, dan
didisain untuk memilih 3 lokasi berdekatan secara otomatis. Ketiga lokasi ini akan dilakukan GSTAR untuk mendapatkan hubungan produktivitas padi yang
tergantung dari beberapa variabel prediktor yang diperhatikan. Selanjutnya, hasil fungsi linear yang dihasilkan digunakan sebagai fungsi tujuan untuk
menentukan optimasi dari produktivitas suatu daerah terhadap komoditas pertanian khususnya padi dan padi. Informasi yang sudah ada belum
memberikan kemampuan pengguna untuk dapat menganalisa data yang dipunyai untuk dapat menganalisa mandiri. Prototype ini ditujukan kepada
dinas-dinas pemerintahan dapat melakukan analisa dengan data yang dimiliki dan dimampukan dalam melakukan perencanaan pembangunan dibidang
pertanian. Adapun kasus yang dipelajari adalah data pertanian Boyolali yaitu produksi padi yang dianalisa dengan memperhatikan curah hujan dan luas
panen pada tahun 2008-2013. Prototype ini dapat menampilkan hasil analisa dengan Excel terkait dengan peta Boyolali tiap kecamatan.
Kata Kunci: 3-6
GIS
Geographical Information System
, GSTAR
Generalized Space Time Autoregressive
, solver. 1.
PENDAHULUAN Keberhasilan panen padi dipelajari dalam beberapa aspek khusunya karena pengaruh
lingkungan tanah misal : subur , kritis dan karena pengaruh lingkungan luarnya misal :curah hujan dan luas area sekitarnya, waktu tanam. Dengan memperhatikan waktu tanam, telah
diketahui bahwa penelitian untuk mengetahui periode tanam yang optimal maksimal telah dilakukan untuk daerah Surakarta Dewi,dkk,2013a bahwa periode tanam yang terbaik adalah
September-Desember berdasarkan data BPS Surakarta 1992-2012. Penelitian tersebut dilakuan dengan memperhatikan nilai fungsi tujuan yang dipilih yang berbentuk kuadratik yang
parameter-parameternya ditentukan menggunakan
Singular Value Decomposition
SVD dan
Ant Colony Optimization
ACODewi,dkk,2013b. Beberapa algoritma digunakan untuk
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 508
mendapatkan solusi optimal dijelaskan dengan lengkap dan beberapa program didalamnya dapat membantu untuk memahami hasil-hasil tersebut di atas secara detail Parhusip,2014.
Penelitian terdahulu membahas tentang data curah dan lahan kritis mempengaruhi produksi padi optimal di 3 KecamatanAmpel ,Selo dan Cepogo Parhusip dan Edi, 2014. Dari hasil
ditunjukkan bahwa pendekatan klasik GSTAR tidak tepat untuk data seperti curah hujan, lahan kritis, dan produksi panen padi. GSTAR termodifikasi diperkenalkan padi yang dihasilkan pada
lokasi Selo tergantung dari hasil pada dari kedua lokasi persekitarannya pada waktu yang sama, lahan kritisnya dari ketiga lokasi pada waktu yang sama, curah hujan pada lokasi ketiganya pada
waktu sebelumnya dan pada waktu yang sama. Ternyata hasil tersebut lebih baik. Model yang digunakan telah lebih melibatkan aspek natural bahwa hasil panen tergantung pada karakteristik
tanah yaitu lahan kritis dan banyaknya curah hujan Parhusip dan Edi, 2015. Kita dapat menguji hasil parameter dengan program R. Hasil menunjukkan bahwa variabel padi dari kedua
lokasi yang lain lebih kontribusi secara signifikan dengan toleransi 95 atau 0.
05 p-value.
Hasil model untuk produksi padi pada Selo ditunjukkan pada Gambar 1.
Gambar 1. Model GSTAR disimbolkan ‗-o‘ dan data disimbolkan ‗‘ untuk produksi
panen padi sebagai fungsi lahan kritis dan curah hujan pada waktu yang sama Parhusip dan Edi,2014.
Untuk selanjutnya kita dapat melakukan optimasi untuk hasil panen padi untuk tiap Kecamatan di Boyolali. Artinya, bagaimana kita dapat membuat keputusan berapakah panen
padi yang optimal untuk Selo,Ampel, Cepogo dan Kecamatan yang lain. Akan tetapi model optimasi belum diuji lebih lanjut pemerintah setempat belum menggunakan program software
yang sudah dibuat. Untuk itulah program akan didisain lebih mudah dijangkau oleh dinas setempat dalam melakukan pengolahan data yang berkaitan dengan kebijakan ekonomi pada
bidang pertanian. Dari hasil desiminasi yang dilakukan, diperoleh kesulitan dalam menggunakan program
yang telah dibuat oleh Pusat Penelitian Simitro karena program yang dibuat terlalu berat pada
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 509
personal computer. Untuk itu perlu dilakukan perbaikan program dimana GSTAR dapat diakses dengan mudah yaitu menggunakan excel. Hal ini dilakukan dengan cara pembuatan software
yang mudah digunakan secara mandiri dan disebut prototype G2A yang menjadi materi pokok pada makalah ini.
2. METODE
PENELITIAN 2.1 Pemilihan variabel prediktor
Pada penelitian terdahulu Parhusip dan Edi, 2014a curah hujan dan luas area lahan kritis sebagai variabel prediktor selain banyaknya padi pada waktu sebelumnya sebagai variabel
autoregresi. Akan tetapi untuk mengetahui produksi padi pada tiap kecamatan, lahan kritis tidak dapat menjadi faktor dalam menentukan optimal produksi padi sebagaimana pada awal
penelitian karena beberapa lokasi mempunyai luas lahan kritis 0. Sebenarnya tidak adanya lahan kritis pada lokasi tersebut menunjukkan bahwa lokasi tersebut cukup subur dibandingkan lokasi
yang memiliki area kritis. Akan tetapi karena beberapa tidak mempunyai lahan kritis, kita tidak dapat membuat model dengan variabel prediktor yang sama. Oleh karena itu variabel prediktor
yang dipilih adalah variabel prediktor natural yang memungkinkan pertumbuhan padi yaitu curah hujan dan luas lahan. Hasil optimal curah hujan dan luas lahan hanya akan menunjukkan
kemampuan lokasi tersebut untuk produksi optimal pada berdasarkan data curah hujan dan luas lahan panen.
2.2 Model yang digunakan dalam Prototype G2A Prototype G2A adalah prototype yang dibuat menggunakan metode GIS
Geographical Information System
dan Model
Generalized Space Time Auto Regressive
GSTAR yang sudah dimodifikasi oleh Parhusip dan Edi 2014 dimana modifikasi ini berdasarkan regresi klasik,
tidak hanya autoregresi. GSTAR Termodifikasi disusun berdasarkan regresi dari 3 lokasi yang dikerjakan secara simultan dimana model tersebut berbentuk : Apriyanti, dkk, 2014, yaitu
1
1 1
12 1
11 11
1 10
1
t e
t R
w t
Y w
t Z
t Z
; 1.a
1
2 2
23 2
21 21
2 20
2
t e
t R
w t
Y w
t Z
t Z
; 1.b
1
2 3
32 3
31 31
3 30
3
t e
t R
w t
Y w
t Z
t Z
. 1.c
dengan
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 510
Z
i
t
= variabel data produksi padi pada waktu
t
di lokasi
i
,
i
= 1,2,3.
Y
i
t
= variabel luas lahan panen pada waktu
t
di lokasi
i
,
i
= 1,2,3 .
R
i
t
= variabel curah hujan padi pada waktu
t
di lokasi
i
,
i
= 1,2,3 .
k
= diag
,...,
1 n
k k
dan
1
k
= diag
,...,
1 1
1 N
k k
merupakan parameter model
w
= bobot
weigth
yang dipilih untuk memenuhi
ii
w
dan 1
1
j ij
w
Uji signifikansi parameter individual Uji t digunakan untuk menguji tingkat signifikansi parameter dalam model Nurhayati, 2013. Langkah-langkah pengujian parameter, yaitu
H
o
:
ki
,
k
= 1,2,3 dan
i
= 0,1 H
a
:
ki
,
k
= 1,2,3 dan
i
= 0,1 Statistik uji :
ki ki
hitung
S t
, dimana
ki
adalah parameter dan
ki
S
adalah standar Perbedaan
parameter. Kriteria pengujian dengan α = 5 adalah tolak H
o
jika |
t
hitung
|
t
tabel
, artinya parameter signifikan. Hal ini dilakukan dengan software Data Analysis pada Excel.
Lokasi tiap kecamatan didaftar dalam program GIS sehingga dapat ditunjukkan keterkaitan antar 3 lokasi terpilih dalam melakukan GSTAR Termodifikasi. Dengan menggunakan Google
map, kita dapat mencatat semua kecamatan yang ditunjukkan pada Gambar 2.
Gambar 2. Lokasi 19 kecamatan yang ditunjukkan dengan bullet
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 511
3. HASIL
PENELITIAN DAN
PEMBAHASAN 3.1 Hasil GSTAR Termodifikasi
Hasil penelitian merupakan software yang dapat digunakan untuk melakukan analisa data tentang optimasi produksi padi pada suatu lokasi kecamatan yang dipengaruhi oleh curah hujan
dan luas lahan dan produksi padi pada lokasi yang sama pada waktu sebelumnya mengikuti persamaan 1.a-1.c. Kemudian software G2A dilengkapi dengan modul agar dapat digunakan
oleh dinas-dinas terkait. Jadi keluaran program merupakan estimasi parameter model GSTAR Termodifikasi dengan bobot lokasi seragam yang ditunjukkan pada Tabel 1. Dari Tabel 1 , ada 2
t
hitung
yang tidak besar dari t
tabel
atau lebih kecil dari t
tabel
artinya parameter tidak signifikan dengan
α = 0,05. 3.2 Optimasi Fungsi Tujuan
Fungsi tujuan
Z
i
pada penelitian ini disusun berdasarkan model GSTAR Termodifikasi yang telah diperoleh seperti pada Tabel 3. Sedangkan kendala yang berpengaruh adalah curah
hujan dan luas lahan panen di masing-masing lokasi. Fungsi tujuan dan kendala dapat dituliskan pada Tabel 2. Untuk memperoleh hasil optimasi dari fungsi tujuan yang telah disusun digunakan
Solver
pada Ms.Excel 2007. Hasil optimasi untuk 3 kecamatan di Kabupaten Boyolali disajikan pada Tabel 3.
Tabel 1. Estimasi parameter model GSTAR termodifikasi untuk data produksi padi di Sambi,
Ngemplak, Nogosari
Parameter Hasil
Estimasi t
hitung
t
tabel
p-value Kesimpulan
α = 0,05
1 0
0.881605 22.98156185
1,98 2.32269 x 10
-67
Signifikan
20
0.999203 23.3165063
1.50919 x 10
-68
Signifikan
30
0.974516 22.63509894
3.97571 x 10
-66
Signifikan
1 1
0.108073 2.904320824
0.003962546 Signifikan
2 1
-0.00734 -0.177364342
0.859345605 Tidak
Signifikan
31
0.022723 0.547653452
0.584349678 Tidak
Signifikan
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 512
Tabel 2. Fungsi tujuan dan kendala program linier untuk 3 kecamatan di Kabupaten Boyolali.
Kecamatan k Program Linier
1 SAMBI
Fungsi Tujuan Z
1
= 0.881604988X
1
+0.054036Y
1
+0.054036484R
1
Kendala 0.82392
≤ X
1
≤1.154330658 0.889663
≤ Y
1
≤1.101012484 0.012263
≤ R
1
≤2.007030739 2
NGEMPLAK Fungsi Tujuan
Z
2
= 0.999203X
2
-0.00367Y
2
-0.00367R
2
Kendala 0.824202
≤ X
2
≤1.151376 0.853421
≤ Y
2
≤1.121576 0.05756
≤ R
2
≤1.859913 3
NOGOSARI Fungsi Tujuan
Z
3
= 0.974516X
3
+0.011361Y
3
+0.011361R
3
Kendala 0.824202
≤ X
3
≤1.151376 0.959018
≤ Y
3
≤1.037881 0.012842
≤ R
3
≤1.945488
Kendala
non-negative
:
, ,
k k
k
R Y
X
; dengan:
X
k
= Produksi padi di lokasi
k
dalam kurun waktu 5 tahun
Y
k
= Luas lahan di lokasi
k
dalam kurun waktu 6 tahun
R
k
= Curah hujan di lokasi
k
dalam kurun waktu 6 tahun
k
= 1 sd 3 dimana 1 = Sambi, 2 = Ngemplak, 3 = Nogosari
Tabel 3. Produksi padi optimal di Kecamatan Sambi, Ngemplak, dan Nogosari
Lokasi Produksi Padi Optimal
Data Produksi Padi Asli ton
Perbedaan Data asli
dan optimasi
Tidak Berdimensi
Berdimensi ton
Min Max
Sambi 1.185611395
29826 20164
29048 3
Ngemplak 1.139516873
22179 15931
22633 2
Nogosari 1.155929277
38131 29237
36202 5
Tabel 3 menunjukkan besarnya produksi padi optimal dalam kurun waktu 6 tahun 2008 sd 2013. Hasil penelitian yang berada pada interval data asli hanya produksi padi di Kecamatan
Ngemplak, sedangkan pada kecamatan lain lebih besar dari maksimal data asli. Hasil secara keseluruhan menunjukkan bahwa produksi padi hasil perhitungan berbeda dengan maksimal
data produksi padi pada data asli dengan perbedaan kurang dari 5. Jadi sekalipun beberapa parameter tidak signifikan fungsi tujuan mempunyai perbedaan yang tidak terlalu besa dengan
data yang ada. Oleh karena itu hasil optimasi dapat diterima. Perbedaan tersebut dibandingkan dengan data dapat dianggap sebagai kemungkinan untuk tiap kecamatan dimungkinkan dapat
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 513
meningkatkan produksinya. Sebagai aplikasi dari hasil penelitian ini, maka tiap kecamatan Sambi, Ngemplak, dan Nogosari disarankan dapat meningkatkan hasil panen hingga 100 ton
per tahun . Hal ini diambil dengan mengambil kira-kira selisih data dan perkiraan dalam 6 tahun. Dengan menggunakan Prototype G2A maka hasil komputasioptimasi dapat langsung
ditunjukkan dengan peta pada lokasi terkait. Untuk ketiga lokasi yang dipelajari ditunjukkan pada Gambar 3.
Modul yang dibuat telah diujicobakan ke desa Asinan Kabupaten Semarang pada 2 Maret 2015 dengan memberikan pelatihan excel terlebih dahulu. Foto kegiatan ditunjukkan pada
Gambar 4-5. Mahasiswa juga memberikan pendampingan kepada tiap peserta agar mampu menggunakan program dengan mudah.
Untuk selanjutnya perlu dilakukan kegiatan diseminasi penelitian ini pada dinas terkait di Boyolali atau pada wilayah yang lebih luas sehingga hasil komputasi dapat memberikan
kontribusi pada pemerintah dalam melakukan perencanaan.
Gambar 3. Hasil keluaran akhir prototype G2A
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 514
Gambar 4. Awal kegiatan dengan pelatihan dasar-dasar statistika
Gambar 5. Mahasiswa mendampingi tiap peserta untuk dapat memahami materi yang diberikan
4. KESIMPULAN Makalah ini menjelaskan tentang pembuatan awal prototype G2A yaitu software dengan
bantuan Excel dan Geographical Information System dimana pada Excel didisain untuk menganalisa data produksi pertanian khususnya padi di Boyolali pada tahun 2008-2013. Pada
Excel , digunakan model regresi GSTAR Termodifikasi yang menggunakan menu Regresi dan Solver pada Excel.
Prototype G2A digunakan untuk menganalisa data produksi panen padi di Sambi, Ngemplak dan Nogosari sebagai contoh 3 kecamatan di Boyolali. Data yang digunakan adalah data
produksi panen padi, luas lahan dan curah hujan. Komputasi menunjukkan perbedaan dengan data hanya sekitar maksimum 5 sekalipun ada 2 parameter regresi yang tidak signifikan.
Perbedaan yang muncul dapat dianggap sebagai besarnya kemungkinan tiap kecamatan dapat memproduksi secara optimal dimana dari komputasi ditunjukkan bahwa tiap kecamatan dapat
meningkatkan produksinya sekitar 100 ton dalam setahun. Jika ada masa 3 kali panen dalam
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 515
setahun, maka tiap panen dimungkinkan meningkatkan sekitar 30 ton. Hasil ini belum dikomunikasikan pada dinas terkait.
Ucapan Terima Kasih
Makalah ini merupakan hasil penelitian tahap 1 , HIBAH UPT Internal UKSW SK No.31PenelRek512015.
DAFTAR PUSTAKA Apriyanti, P.D, Parhusip
,
H.A, Linawati.2014. Model GSTAR Termodifikasi untuk Produktivitas Jagung di Boyolali,
prosiding
Seminar Nasional UNNES,8 Nov 2014, ISBN 978-602-1034-06-4;
hal.314-325. https:www.researchgate.netprofileHanna_Parhusippublications
:
doi 10.131402.1.4197.4084
Dewi, V.P, Parhusip,H,A, Linawati, L.2013. Analisa Hasil Panen Padi menggunakan Pemodelan Kuadratik, prosiding Seminar Nasional Matematika VII UNNES, ISBN 978-602-
14724-7-7. Dewi, V.P, Parhusip,H,A, Linawati, L.2013. Optimasi Hasil Panen Padi menggunakan Singular
Value Decomposition SVD dan Ant Colony Algorithm ACO,
prosiding
Seminar Nasional Matematika UNS.
Parhusip, H.A.2014.
Optimasi Taklinear
, ISBN 978-602-9493-14-6, Tisara Grafika Salatiga,221 hlm.
Parhusip, H.A Edi, W.M.2014. Analisa Data Iklim Boyolali dengan Regresi Klasik dan Metode GSTAR, Prosiding Seminar Nasional Matematika dan Pendidikan Matematika,
ISBN 978-602-70609-0-6, hal.319-331,24 Mei 2014, Universitas PGRI Ronggolawe,Tuban. Parhusip,H.A, Edi, S.W.M., Prasetyo, S.Y.J. 2014.
Analisa Data Pemodelan Untuk Ilmu Sosial
dan Sains
, ISBN 978-602-9493-16-0, Tisara Grafika Salatiga,398 hlm,25 cm. Parhusip, H.A Edi, S.W.M, 2015. Optimal Production of Paddy Fields Using Modified
GSTAR Models,
International Journal of Agricultural Science and Technology
IJAST , Vol. 3, Issue 1, February 2015
www.seipub.orgijast ; ISSNonline : 2327-7645; ISSN
print: 2327-7246 doi: 10.14355ijast.2015.0301.01.
Seminar Nasional Matematika, Sains dan Informatika 2015
516
STUDI HAZOP PADA SISTEM DISTRIBUSI BBM BERBASIS
F UZZY LAYER OF PROTECTION ANALYSIS
DI INSTALASI SURABAYA GROUP ISG PT. PERTAMINA TANJUNG PERAK
Nur Ulfa Hidayatullah, Ali Musyafa Jurusan Teknik Fisika, Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember Surabaya
ABSTRAK. Bahan Bakar Minyak BBM merupakan sektor industri yang memiliki potensi bahaya dan resiko tinggi. Proses distribusi BBM ke SPBU
selalu dijaga ketepatannya, sehingga tidak mengalami kerugian dari segi material maupun non material. Resiko dari segi proses operasi perlu diketahui
agar dapat mengukur dampak secara kualitatif dan kuantitatif yang dihasilkan baik dari ekonomi, keamanan pekerja, dan dampak terhadap lingkungan.
Layer Of Protection Analysis
LOPA merupakan metode sederhana dalam suatu penilaian resiko yang menunjukkan lapisan perlindungan secara kualitatif dan
kuantitatif dalam membuat sebuah skenario bahaya yang akan terjadi. Perhitungan resiko dengan teknik LOPA efektif dan realistis digunakan untuk
mengembangkan skenario pada
Hazard And Operability Study
HAZOPS. Suatu pengambilan keputusan modern berbasis software masih sangat jarang
digunakan pada dunia industri.
Fuzzy Layer Of Protection Analysis
tepat digunakan
sebagai metode
penilaian risiko
berbasis pakar
yang memperlihatkan lapisan perlindungan secara kualitatif dan kuantitatif.
Probabilitas dampak ekonomi sistem FLOPA digunakan oleh pihak manajemen untuk pengambilan keputusan yang berpengaruh besar terhadap
ketahanan ekonomi perusahaan dan kebutuhan masyarakat. Hasil evaluasi merupakan penjamin sistem, aset, lingkungan, dan reputasi yang aman bagi
perusahaan dan pemerintah demi terciptanya pembangunan yang sustainable sehingga lingkungan dan kota menjadi hijau serta sektor ekonomi menjadi
lancar. Hal ini dibuktikan dengan adanya SIL rating node 1 hingga 3, yaitu NO SIL, SIL 0, dan SIL 1. Selain itu hasil FLOPA economic impact pada node 2
hingga 3 secara keseluruhan berkategori medium dengan total lossestahun dalam range US 10.000
– US 100.000.
Kata Kunci: 3-6 Distribusi BBM, Fuzzy Layer of Pretection Analysis, HAZOP
1. PENDAHULUAN
Bahan Bakar Minyak BBM sangat berperan penting dalam aktivitas ekonomi khususnya sebagai bahan bakar kendaraan. Kebutuhan bahan bakar kendaraan diproduksi oleh PT.
Pertamina Persero dimana salah satu kegiatan pemasaran dan pendistribusian BBM dilakukan oleh PT. Pertamina Unit Pemasaran UPMS V yang berada di Tanjung Perak Surabaya. Instalasi
Surabaya Group ISG merupakan terminal bahan bakar minyak PT. Pertamina Persero yang
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 517
kegiatannya menerima dan menyalurkan bahan bakar minyak. Sebelum didistribusikan, BBM ditampung dalam tangki penyimpanan ISG yang kemudian disalurkan ke SPBU menggunakan
mobil tangki distribusi.Proses distribusi BBM ke SPBU selalu dijaga, sehingga tidak mengalami kerugian dari segi material maupun non material. Untuk mencegah dan mengurangi dampak dari
resiko yang ditimbulkan dari potensi bahaya, diperlukan adanya
process safety management
yang baik dari perusahaan.
Hazard and Operability Studi
HAZOPS merupakan teknik analisa bahaya yang digunakan untuk meninjau suatu proses atau operasi secara sistematis.
Layer Of Protection Analysis
LOPA merupakan bentuk metode sederhana dalam penilaian resiko yang menunjukkan lapisan perlindungan secara kualitatif dan kuantitatif dalam membuat sebuah
skenario bahaya yang akan terjadi Kenneth, First, 2010. Suatu pengambilan keputusan modern berbasis software masih sangat kurang digunakan
pada dunia industri. Model yang efektif, efisien dan handal diperlukan dalam sebuah penilaian resiko sehingga memberi hasil penilaian yang lebih baik, mudah diterapkan, dan akurat
dibandingkan metode konvensional. Sistem fuzzy merupakan salah satu metode yang tepat untuk digunakan dalam melakukan sebuah penilaian, estimasi maupun prediksi secara kualitatif dan
kuantitatif. Keluaran sistem fuzzy dalam variable linguistik diperlukan agar hasil penilaian dan estimasi bahaya dimengerti oleh pekerja yang memiliki pengetahuan awam dalam bidang
safety
. Selain itu penerapan metode HAZOPS dan LOPA berbasis model fuzzy diperlukan agar
memberikan hasil kombinasi metode yang lebih baik secara kualitatif dan kuantitatif. Hal inilah yang membuat tertarik untuk melakukan studi HAZOPS pada sistem distribusi PT PERTAMINA
berbasis
Fuzzy
-
Layer Of Protection Analysis
FLOPA. 2.
METODE PENELITIAN 2.1 Prosedur LOPA
Worksheer LOPA terlampir dikerjakan berdasarkan deviasi tertinggi HAZOP dimana hasil
consequence
HAZOP merupakan
impact event description
LOPA.
Severity
HAZOP merupakan
impact event severity level
LOPA sedangkan
Possible causes
HAZOP digunakan untuk mengisi kolom
initiating causes
LOPA. Dowell, 1998 Severity HAZOP yang berwarna merah atau kategori resiko tinggi yang dapat diintegrasikan dalam LOPA. Lassen, CA, 2008. Perhitungan
frekuensi untuk PFD dimulai dari kolom
initiating cause frequency
yang diperoleh dari likelihood HAZOP.
Protection Layers
pada LOPA diperoleh berdasarkan safeguard HAZOP
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 518
dimana dijabarkan dalam beberapa kolom seperti
general process design, Basic Process Control System
BPCS,
Alarms
, dan
additional mitigation
. Seluruh kolom IPL diisi dengan nilai PFD dari masing-masing scenario yang ada.
Nilai SIL menunjukkan kategori probabilitas kegagalan SIF dimana memastikan
Initiating Event Likelihood
IEL tidak melebihi
Target Mitigated Event Likelihood
TMEL dengan beberapa ketentuan seperti berikut :
a. Jika jumlah IELt ≤ TMEL, maka pengurangan resiko tidak diperlukan karena tidak melebihi
rasio LOPA 1 dengan rumusan berikut : b. Jika jumlah IELt TMEL dan terdapat SIF, maka PFD SIF harus dihitung untuk menentukan
SIL dari SIF c. Jika jumlah IELt TMEL dan tidak terdapat SIF, maka lapisan-lapisan yang ada dianggap
tidak memadai untuk mtigasi resiko sehingga diperlukan rekomendasi untuk strategi
inherently safer design
atau desain ulang sistem, menambahkan lapisan pelindungSIF. Tabel 1. Integrity Level untuk SIF
Kategori SIL PFD SIF
RRF= 1PFD
NR- tidak dibutuhkan 1 ≤ PFD
RRF≤1
SIL 0 10
-1
≤ PFD 1 1 RRF ≤ 10
SIL 1 10
-2
≤ PFD 10
-1
10 RRF ≤ 100
SIL 2 10
-3
≤ PFD 10
-2
100 RRF ≤ 1.000
SIL 3 10
-4
≤ PFD 10
-3
1.000 RRF ≤ 10.000
SIL 4 10
-5
≤ PFD 10
-4
10.000 RRF ≤ 100.000
Sumber : ISA TR 84.00.02-2002 2.2
Fuzzy Layer of Protection Analysis
FLOPA
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 519
Sistem fuzzy dibuat menggunakan variabel masukan berupa numeric dan keluaran yang diharapkan numeric dan linguistic sehingga metode Mamdani dan Takagi Sugeno dapat
diterapkan. Pengolahan data menggunakan sistem fuzzy dilakukan secara dua tahap. Tahap pertama diharapkan memiliki variabel keluaran berupa dampak keparahan gambar 1. Hal ini
dapat dikaitkan dari segi aspek manusia, lingkungan dan asset. Keluaran dari tahap pertama akan digunakan untuk pengolahan data pada tahap kedua dengan menambahkan variabel
masukan berupa aspek ekonomi sehingga nantinya keluaran akhir dapat digunakan sebagai pengambil keputusan terkait dengan kebutuhan pihak manajemen. Tahapan dalam sistem fuzzy
seperti berikut :
Gambar 1. Diagram Blok FLOPA 3.
HASIL PENELITIAN DAN PEMBAHASAN 3.1 SIL Rating
Berdasarkan hasil analisis menggunakan LOPA diperoleh hasil tingkatan SIL seperti tabel 2.
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 520
Tabel 2. SIL Rating LOPA Node 1-3
Node 1 Tanker Loading - Pipeline - Pig Receiver
NR 33,33
SIL 0 50
SIL 1 16,67
Node 2 Pig Receiver – Storage Tank
NR 54,55
SIL 0 18,18
SIL 1 27,27
Node 3 Storage Tank – Pipeline – Filling Shed
NR 66,67
SIL 0 33,33
Tabel 2. merupakan hasil perhitungan PFD Safety Integrity Function SIF dari TMEL dibandingkan dengan nilai total Initiating Event Likelihood IEL sehingga diperoleh beberapa
tingkatan SIL pada scenario LOPA node 1 hingga 3. Berdasarkan SIL rating yang diperoleh terlihat bahwa pada masing-masing node memerlukan penambahan IPL seperti penentuan dan
penginstalan dari alarm-alarm berdasarkan prinsip ALARP As Low As Reasonably Practicable sehingga dapat mengurangi resiko keterlambatan dari respon operator yang harus turun lapangan
untuk mengatasi bahaya tertentu. 3.2 FLOPA
– Risk Impact Analisa resiko secara bertahap dilakukan berbasis sistem fuzzy sesuai dengan diagram blok
pada gambar 1. Hasil keluaran terlihat pada surface viewer seperti gambar 2.
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 521
Gambar 2. Surface Viewer Risk Impact Keluaran dari sistem fuzzy memiliki kesesuaian terhadap sistem penilaian resiko pada
perusahaan distribusi minyak dalam beberapa kasus tertentu. Hal ini dapat menunjukkan bahwa hasil penilaian resiko berbasis software memiliki tingkat kevalidan yang dapat digunakan untuk
menentukan langkah yang akan diambil pihak manajemen. Hasil penilaian fuzzy memperlihatkan bahwa 1 skenario memiliki resiko dengan tindakan pemantauan pada node 1
dan node 2, 8 skenario berupa tindakan pengendalian dan 9 skenario berupa tujuan dan sasaran pada node 2 dan node 3.
3.3 FLOPA – Sil Rating
Penilaian SIL berbasis fuzzy dilakukan setelah memperoleh hasil dari risk impact FLOPA. Sistem penilaian memiliki masukan dari risk impact dan frekuensi sehingga keluaran berupa
tingkatan SIL. Hasil menunjukkan bahwa pada node 1 memiliki scenario dengan tingkatan SIL 1 sehingga tidak menunjukkan perlunya pengamanan tingkat tinggi seperti pada node 2 dan node 3.
Pada node 2 terdapat hasil yang menunjukkan SIL 3, hal ini memperlihatkan perlunya tindakan lebih pada scenario overflow tanki seiring dengan frekuensi yang sering terjadi. Terdapat 2
skenario pada node 3 yang memiliki tingkat SIL 3 dimana dampak yang terjadi berupa kebocoran, emisi uap HC sehingga menyebabkan potensi kebakaran. Hasil memperlihatkan
bahwa perlunya tindakan untuk menjaga resiko yg terjadi dengan frekuensi kejadian yang tinggi.
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 522
Gambar 3. Surface Viewer SIL Rating 4.
KESIMPULAN Kesimpulan yang diperoleh dari penelitian yang telah dilakukan adalah :
a. LOPA memiliki hasil kuantitatif pada analisis risiko berupa SIL rating node 1 hingga 3, yaitu NR sebesar 33,33 pada node 1, 54,55 pada node 2, dan 66,67 pada node 3 ; SIL 0 sebesar
50 pada node 1, 18,18 pada node 2, dan 33,33 pada node 3 ; SIL 1 sebesar 16,67 pada node 1 dan 27,27 pada node 2
b. FLOPA menghasilkan keluaran berupa SIL 1 dengan 4 skenario pada node 1, 1 skenario dengan SIL 3 dan NR serta 3 skenario berupa SIL 1 pada node 2, dan pada node 3 sebanyak 5
skenario dengan SIL 1, 3 skenario berupa SIL 2, dan 2 skenario dengan SIL 3 pada node 3. DAFTAR PUSTAKA
Center Chemical Process Safety.2001.
Layer of Protection Analysis: Simplified Process Risk Assessment, Second Edition
. American Institut Of Chemical Engineering, New York.
Dowell, Arthur M.1998.
Layer of Protection Analysis for Determining Safety Integrity Level. ISA Transactions
, 37, 155-165. United State of America: Elsevier Science Ltd. First, Kenneth, 2010, ―Scenario identification and evaluation for layers of protection analysis‖.
Journal of Loss Prevention in The Process Industries
23, hal. 705-718 Golbe, W.M and Cheddie, H. 2005. Safety Instrumented Systems Verification; Practical
Probabilistic Calculation. USA. IEC 61508 1998.
Functional Safety of ElectricalElectronicProgrammable Electronic Safety- Related Systems, parts 1-7.
Geneva: International Electrotechnical Commision. IEC 61511 2003.
Functional safety
–
safety instrumented systems for the process industry.
Seminar Nasional Matematika, Sains dan Informatika 2015
523
STUDENT’S METACOGNITIVE MODELING UNTUK MENDUKUNG ADAPTIVE LEARNING KASUS: KELAS MATA PELAJARAN FISIKA MADRASAH ALIYAH
NEGERI 1 PONOROGO
Purwanto
1
, Khafidurrohman Agustianto
2
1 Madrasah Aliyah Negeri 1 Ponorogo ,
2
Teknik Elektro dan Teknologi Informasi UGM Jl. Arif Rahman Hakim No. 2 Ponorogo
1
, Jl Grafika No. 2 Kampus UGM, Yogyakarta 55281
2
Email : maspoergmail.com
1
, eross.deltagmail.com
2
ABSTRAK.
Metacognitive
merupakan suatu pengetahuan tentang kemampuan cara berpikir diri, termasuk kesadaran dalam mengontrol belajar, memperbaiki
kesalahan, menganalisa seberapa efektif strategi yang digunakan, dan mengganti kebiasaan atau strategi bila dibutuhkan. Setiap siswa memiliki
kebutuhan dan karakteristik yang berbeda-beda, sebagai contoh prior knowledge, intellectual level, cognitive traits, dan learning style, sehingga
dibutuhkan proses pembelajaran yang sesuai dengan karakteristik siswa yang berupa adaptive learning AL. Dalam melakukan personalised learning
approach, maka diperlukan personalisasi pada learning object LO guru, modul dan mata pelajaran dan learner Style LS knowledge, metacognitive,
cognitive, learning style. Sehingga sangat penting untuk memodelkan metacognitive dari siswa dalam konteks
AL, karena student‘s metacognitive modeling sebagai salah satu bagian dari LS memiliki peranan penting
terutama dalam konsep pendidikan dan blended-learning, pada peneltian ini digunakan pendekatan educational data mining EDM.
Kata kunci: pemodelan, student modeling, metacognitive, adaptive learning,
blended learning.
1. PENDAHULUAN
Metacognitive
merupakan suatu pengetahuan tentang kemampuan cara berpikir diri, termasuk kesadaran dalam mengontrol belajar, memperbaiki kesalahan, menganalisa seberapa
efektif strategi yang digunakan, dan mengganti kebiasaan atau strategi bila dibutuhkan Spada, Langston, Nikčević, Moneta, 2008Sánchez-Alonso Vovides, 2007Schraw Moshman,
1994..
Metacognitive
merupakan pengetahuan mengenai regulasi kegiatan kognitif individu dalam proses pembelajaran Schraw Moshman, 1994Schraw Moshman, 1995 berupa,
berpikir bagaimana berpikir, mengetahui apa yang kita ketahui, dan yang tidak kita ketahui, belajar bagaimana caranya belajar, mengembangkan proses berpikir secara berkesinambungan
sehingga dapat digunakan untuk pemecahan permasalahan Sánchez-Alonso Vovides, 2007. Sehingga sangat penting untuk melihat tingkat
metacognitive
dari seorang peserta didik, hasil pemodelan ini dapat digunakan guru untuk mengevaluasi tingkat keberhasilan proses
pembelajarannya dari sisi
metacognitive
.
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 524
Setiap siswa memiliki kebutuhan dan karakteristik yang berbeda-beda, sebagai contoh
prior knowledge, intellectual level
,
cognitive traits
, dan
learning styles
Suprijono, 2012Gaudioso, Montero, Hernandez-del-Olmo, 2012, sehingga dibutuhkan proses
pembelajaran yang sesuai dengan karakteristik siswa yang berupa
adaptive learning
AL. AL secara subtantif berarti suatu pembelajaran yang berfokus pada personal siswa,
recommendation- based learning
, dan
inquire-based learning
. Dalam melakukan
personalised learning approach
, maka diperlukan personalisasi pada
learning object
LO guru, modul dan mata pelajaran dan
learner Style
LS
knowledge, metacognitive, cognitive, learning style
Gaudioso et al., 2012 ditunjukan oleh Gambar 1. Sehingga sangat penting untuk memodelkan
metacognitive
dari siswa dalam konteks AL, karena
student’s metacognitive modeling sebagai salah satu bagian dari LS memiliki peranan penting terutama dalam konsep pendidikan dan
blended-learning
. Penelitian ini berfokus pada penggalian aspek-aspek yang ada pada
student’s
metacognitive student modeling
, dari komponen ini penelitian akan memperoleh
knowledge
yang akan digunakan dalam menentukan
learning path
LP yang sesuai dengan kondisi pembelajaran fisika. Hasil penelitian ditujukan untuk digunakan guru mengevaluasi proses
pembelajarannya sehingga akan meningkatkan proses pembelajaran berupa AL. Dalam penelitian ini difokuskan pada
fa ce to fa ce cla ss
f2f, fokus penelitian ini didasarkan pada konsep
blended learning
BL, BL merupakan suatu model pembelajaran yang efektif dewasa ini Bersin, 2004Campus Shan, 2011Bath Bourke, 2010. Model ini merupakan
pengabungan dari model pembelajaran dengan menggunakan f2f model, pembelajaran dengan menggunakan internet, dan pembelajaran yang didukung dengan teknologi lain, dengan tujuan
untuk menciptakan lingkungan pembelajaran yang paling efisien Bersin, 2004[4][5]Sachin Vijay, 2012Romero Ventura, 2010Liu, Wu, Chen, 2013. Dalam model ini peranan f2f
tidak bisa sepenuhnya di gantikan dengan teknologi, seperti
e-learning
, namun masih memerlukan guru di dalam proses pembelajarannya.
Gambar 1. Peta Penelitian
Student Modeling LS
Metacognitive Cognitive
Knowledge
Learning Style
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 525
2. METODE
PENELITIAN Dalam beberapa tahun terakhir, analisis dari aktivitas siswa menjadi sangat penting dan
menjadi topik penelitian yang banyak dikerjakan Gaudioso et al., 2012. Obyek dari penelitian sebelumnya seperti
undergraduates’ metacognitive knowledge about the psychological effects of
different kinds of computer-supported instructional tools
Antonietti, Colombo, Lozotsev, 2008,
building knowledge networks through project-based online learning: A study of developing critical thinking skills via reusable learning objects
Kurubacak, 2007,
integration of metacognitive skills in the design of learning objects
Sánchez-Alonso Vovides, 2007,
the role of metacognitions in problematic Internet use
Spada et al., 2008,
breakdown in the met
acognitive chain : good intentions aren’t enough in high school Sussan Son, 2014,
iterative augmentation of a medical training simulator: effects of affective meta cognitive scaffolding
Wesiak et al., 2014, dan
social and metacognitive awareness of academic reading strategies
Yüksel Yüksel, 2012. Modeling yang digunakan dilakukan dalam tiga tahapan ditunjukan oleh Gambar 2., tahapan
pertama adalah kajian teori yang digunakan untuk menyusun instrument penelitian, kemudian instrument digunakan untuk mengambil
data trainer
. Langkah selanjutnya adalah melakukan
feature selection
kepada 52 item,
feature selection
adalah proses penyeleksian subset dari fitur- fitur original. Pengoptimalan dari
feature selection
dari subset bertujuan untuk menyusuaikan ukuran subset yang sesuai dengan kriteria evaluasi
―Data Mining: Concepts and Techniques,‖ 2012. Dalam penelitian ini digunakan angket dengan 52 item untuk mendapatkan data, 52
atribut yang disebut sebagai subatribut yang merupakan representasi dari 8 indikator dari dua sub variable
knowledge-meta cognitive
dan
regulation-metacognitive
ditunjukan oleh Table 1 yang selanjutnya disebut sebagai atribut. Penelitiain ini menggunakan
zscore
untuk membandingkan posisi atribut dengan atribut lain dalam kelompok masing-masing,
zscore
adalah skor standar berupa jarak skor responden dari mean kelompoknya dalam
satuan Standard Deviasi
SD.
Seminar Nasional Matematika, Sains dan Informatika 2015
526
Gambar 2. Metodologi Penelitian Tabel 1.
Komponen Metacognitive
Subvariabel Indikator
Deskripsi
Knowledge of
metacognitive
Declarative knowledge
Pengetahuan tentang keterampilan, sumber daya dan kemampuan yang
dimiliki seseorang sebagai pembelajar
Procedural knowledge
Pengetahuan bagaimana menerapkan langkah-langkah pembelajaran
Conditional knowledge
Pengetahuan mengapa dan kapan langkah-langkah pembelajaran
digunakan
Regulation of
metacognitive
Planning
Merencanakan proses pembelajaran, menentukan tujuan, mengalokasikan
prioritas sumber daya untuk pembelajaran
Information management
Keterampilan dan strategi untuk memproses informasi secara efisien
seperti mengorganisasikan, elaborasi, meringkas, pemilihan pemfokusan
Monitoring
Penilaian pembelajaran atau penggunaan strategi
Debugging
Penggunaan strategi untuk memperbaikimemeriksa kesalahan
dalam pemahaman dan pelaksanaanprestasi
Evaluation
Menganalisa prestasi dan kefektivitasan strategi setelah proses pembelajaran
Mulai
Pengumpulan Data Trainer Studi Pustaka dan
Literatur Riview
Analisis data untuk memberntuk KB
Students Metacognitive Modeling
Selesai Fiture Selection Menggunakan
Pendekatan Z Score
Student Modeling
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 527
Gambar 3.
Komponen Metacognitive
Tahapan
preprocessing
selanjutnya adalah dengan memberikan score nilai untuk masing- masing zscore tiap-tiap atrribut. Tahapan ini dilakukan dengan mengurutkan berdasarkan nilai
relative masing-masing responden, ditunjukan oleh Tabel 2. Hasil
scoring zscore
kemudian diproses menggunakan NBC Naïve bayes Classifier. NBC merupakan salah satu algoritma yang digunakan dalam klasifikasi data mining. Klasifikasi
atau yang disebut
supervised learning
adalah menentukan sebuah
record
data baru ke salah satu dari beberapa kategori atau kelas yang telah didefinisikan sebelumnya
―Data Mining: Concepts and Techniques,‖ 2012. NBC berbasis pada probabilitas sederhana yang berdasar pada
penerapan teorema bayes atau aturan bayes dengan asumsi independensi ketidaktergantungan yang kuat naif. Dengan kata lain, dala
m Naïve Bayes, model yang digunakan adalah ―model fitur independen‖. Dalam Bayes terutama Naïve Bayes, maksud independensi yang kuat pada
fitur adalah bahwa sebuah fitur pada sebuah data tidak berkaitan dengan ada atau tidaknya fitur lain dalam data yang sama
―Data Mining: Concepts and Techniques,‖ 2012. Teori keputusan Bayes adalah pendekatan statistic yang fundamental dalam pengenalan pola pattern
recognition. Pendekatan ini didasarkan pada kuantifikasi trade-off antara berbagai keputusan klasifikasi dengan menggunakan probabilitas dan ongkos yang ditimbulkan dalam keputusan-
keputusan tersebut. Berikut adalah persamaan-persamaan dari teorema Bayes ―Data Mining:
Concepts and Techniques,‖ 2012 yang ditunjukan oleh persamaan 1 dan 2:
...............
1
|
|
...............
2
Metacognitive Knowledge of
Metacognitive Regulation of
Metacognitive Declarative Knowledge
Conditional Knowledge Procedural Knowledge
Planning Information Management
Monitoring Debugging
Evaluation
Seminar Nasional Matematika, Sains dan Informatika 2015
528
Tabel 2. Hasil Feature selection
Menggunakan zscore
No. ZKAC
ZRK CMAI
1 -1.47835
0.50275 RK
2 -0.25173
0.25866 RK
3 -1.47835
0.01457 RK
4 0.05492
0.25866 RK
5 0.05492
-1.44996 RK
6 -0.55839
0.01457 RK
7 -1.785
0.01457 RK
8 0.97489
-1.44996 KAC
9 0.36158
-1.20587 RK
10 0.36158
-0.7177 RK
11 -0.55839
-0.96179 RK
12 0.97489
-0.96179 KAC
13 -0.25173
0.25866 RK
14 0.97489
-0.7177 RK
15 0.97489
-2.18223 KAC
16 -0.55839
0.01457 RK
17 1.28154
-2.42632 KAC
18 1.28154
-1.44996 KAC
19 -0.25173
0.01457 RK
20 -0.25173
-0.96179 RK
21 -0.25173
-0.47361 RK
22 -0.25173
0.50275 RK
23 -0.25173
-0.47361 RK
24 0.05492
-0.47361 RK
25 0.36158
-1.69405 KAC
26 0.05492
0.01457 RK
27 1.5882
-1.20587 KAC
28 0.05492
0.01457 RK
29 -1.1717
-0.47361 RK
30 -1.47835
0.74684 RK
31 0.36158
-0.22952 RK
32 -0.55839
0.01457 RK
33 0.66823
-0.96179 RK
34 -2.39831
2.45547 RK
35 -1.785
1.96729 RK
36 0.36158
0.25866 RK
37 -1.1717
1.47911 RK
38 0.97489
-0.22952 RK
39 0.05492
0.50275 RK
40 1.28154
-0.47361 RK
41 -0.86504
1.23502 RK
42 1.5882
-0.7177 KAC
43 -1.1717
1.47911 RK
44 -0.86504
1.23502 RK
45 -0.55839
0.99093 RK
46 -0.86504
1.23502 RK
47 0.97489
-0.22952 RK
48 0.97489
-0.22952 RK
49 -0.55839
0.99093 RK
50 0.66823
0.01457 RK
51 -0.25173
0.74684 RK
52 -0.55839
0.99093 RK
53 0.66823
0.01457 RK
54 2.20151
-1.20587 KAC
55 0.36158
0.25866 RK
56 -0.55839
0.99093 RK
57 0.05492
0.50275 RK
58 0.97489
-0.22952 RK
59 -0.25173
0.74684 RK
60 2.20151
-1.20587 KAC
61 1.28154
-0.47361 RK
62 -0.25173
0.74684 RK
Tabel 3. Hasil Scoring Atribut
No. FKAC
FRK CMAI
1 1
2 RK
2 1
2 RK
3 1
2 RK
4 1
2 RK
5 1
2 RK
6 1
2 RK
7 1
2 RK
8 2
1 KAC
9 1
2 RK
10 1
2 RK
11 1
2 RK
12 2
1 KAC
13 1
2 RK
14 1
2 RK
15 2
1 KAC
16 1
2 RK
17 2
1 KAC
18 2
1 KAC
19 1
2 RK
20 1
2 RK
21 1
2 RK
22 1
2 RK
23 1
2 RK
24 1
2 RK
25 2
1 KAC
26 1
2 RK
27 2
1 KAC
28 1
2 RK
29 1
2 RK
30 1
2 RK
31 1
2 RK
32 1
2 RK
33 1
2 RK
34 1
2 RK
35 1
2 RK
36 1
2 RK
37 1
2 RK
38 1
2 RK
39 1
2 RK
40 1
2 RK
41 1
2 RK
42 2
1 KAC
43 1
2 RK
44 1
2 RK
45 1
2 RK
46 1
2 RK
47 1
2 RK
48 1
2 RK
49 1
2 RK
50 1
2 RK
51 1
2 RK
52 1
2 RK
53 1
2 RK
54 2
1 KAC
55 1
2 RK
56 1
2 RK
57 1
2 RK
58 1
2 RK
59 1
2 RK
60 2
1 KAC
61 1
2 RK
62 1
2 RK
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 529
Konsep NBC menyatakan keterkaitan naïve bayes dengan klasifikasi, korelasi hipotesis, dan bukti dengan klasifikasi adalah bahwa hipotesis dalam teorema bayes merupakan label kelas
yang menjadi target pemetaan dalam klasifikasi, sedangkan bukti merupakan fitur-fitur yang menjadi masukan dalam model klasifikasi. Jika X adalah vector masukan yang berisi fitur dan Y
adalah label kelas, Naïve Bayes dituliskan dengan PY|X. Notasi tersebut berarti probabilitas label kelas Y didapatkan setelah fitur-fitur X diamati. Notasi ini disebut juga probabilitas akhir
posterior probability
untuk Y, sedangkan PY disebut probabilitas awal
prior probability
Y. Formulasi Naive Bayes untuk klasifikasi ditunjukan oleh persamaan 3
―Data Mining: Concepts and Techniques,‖ 2012:
|
∏ |
............... 3 Pengujian dengan menggunakan
cross-falidation fold
10 menghasilkan hasil seperti ditunjukan oleh Gambar 3.
Correctly Classified Instances 62 100
Incorrectly Classified Instances
Mean absolute eror 1
Root mean squared error Relative absolute error 0,0006
Root relative squared error 0,001
Total Number of Instances 62
Atribute Class
RK KAC
0,83 0,17
FKAC
mean 1
2 std. dev.
0,1667 0,1667 weight sum
52 10
precision 1
1
FRK
mean 2
1 std. dev.
0,1667 0,1667 weights sum
52 10
precision 1
1
Tabel 5. Hasil Pengujian dengan NBC
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 530
3. HASIL PENELITIAN DAN PEMBAHASAN Hasil penelitian menggunakan gabungan analisis
zscore
menggunakan NBC menunjukan kencenderungan
meta cognitive
siswa mata pelajaran fisika Madrasah Aliyah Negeri 1 Kabupaten Ponorogo dengan keadaan penyebaran dijelaskan dalam pemaparan di bawah.
3.1.
KNOWLEDGE OF METACOGNITIVE Knowledge of Metacognitive
ditunjukan Tabel 1. merupakan pengetahuan tentang apa yang individu ketahui tentang kognitifnya atau pengetahuannya. Pengetahuan
metacognitive
terdiri dari pengetahuan deklaratif, prosedural, dan kondisional. Pengetahuan deklaratif merupakan mengetahui tentang kegiatan yang akan dilakukan meliputi pengetahuan seseorang
sebagai pembelajar dan apa yang mempengaruhi kegiatan pembelajar tersebut. Pengetahuan prosedural yang merupakan mengetahui bagaimana melakukan sesuatu. Dan pengetahuan
kondisional yang merupakan mengetahui mengapa dan kapan menggunakan pengetahuan deklaratif dan prosedural Sánchez-Alonso Vovides, 2007Schraw Moshman,
1994Schraw Moshman, 1995. Dari penelitian menunjukan bahwa siswa pada mata pelajaran fisika MAN 1 ponorogo memiliki tingkat
knowledge of metacognitive
raltif lebih rendah 17 jika dibandingkan dengan
regulation of metacognitive
. 3.2.
REGULATION OF METACOGNITIVE Regulation of Metacognitive
ditunjukan Tabel 1. merupakan kegiatan yang membantu siswa untuk mengontrol pembelajaran mereka. Kontrol
metacognitive
merupakan kemampuan untuk melakukan sesuatu atau melakukan perbaikan terhadap kesalahan. Pembelajar mengatur
pembelajarannya dengan cara melibatkan perencanaan dan pengawasan dari aktivitas kognitif yang digunakan Sánchez-Alonso Vovides, 2007Schraw Moshman, 1994Schraw
Moshman, 1995. Dari penelitian menunjukan bahwa siswa pada mata pelajaran fisika MAN 1 ponorogo memiliki tingkat
regulation of metacognitive
raltif lebih tinggi 83 jika dibandingkan dengan
knowledge of metacognitive
. 4. KESIMPULAN
Penggunaan
feature selection
dengan pendekatan
zscore
terbukti mampu memberikan solusi untuk data yang memiliki korelasi yang kecil tiap
item
-nya, permasalahan ini terutama ditemukan pada kasus
data set
yang dikembangkan sendiri oleh peneliti, dengan catatan bahwa
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 531
data set
bisa dikelompokan berdasarkan variablenya. Sehingga dengan pendekatan ini diperoleh akurasi 100 ketika diuji menggunakan NBC.
Hasil studi kasus terhadap hasil
metacognitive
dari proses pembelajaran mata pelajaran fisika MAN 1 Ponorogo menunjukan, bahwa siswa cenderung lebih dominan
regulation of metacognitive
dengan prosentase 83 jika dibanding dengan
knowledge of metacognitive
. Sehingga disimpulkan siswa mata pelajaran fisika MAN 1 Ponorogo, memiliki kemampuan
untuk melakukan sesuatu atau melakukan perbaikan terhadap kesalahan. Pembelajar mengatur pembelajarannya dengan cara melibatkan perencanaan dan pengawasan dari aktivitas kognitif
yang digunakan lebih dominan dibandingkan dengan pengetahuan deklaratif, prosedural, dan kondisional.
DAFTAR PUSTAKA Antonietti, A., Colombo, B.,
Lozotsev, Y. 2008. Undergraduates‘ metacognitive knowledge about the psychological effects of different kinds of computer-supported instructional
tools.
Computers in Human Behavior
,
24
5, 2172 –2198. doi:10.1016j.chb.2007.10.004
Bath, D., Bourke, J. 2010.
Blended Learning
. Griffith University. Bersin, J. 2004.
The Blended Learning Handbook
Vol. 36. New York: Wiley. Campus, N. H., Shan, F. 2011. Blended Learning Trategy Design and Practice, 3003
– 3006.
Data Mining: Concepts and Techniques. 2012.
Choice Reviews Online
,
49
06, 49 –3305–
49 –3305. doi:10.5860CHOICE.49-3305
Gaudioso, E., Montero, M., Hernandez-del-Olmo, F. 2012. Supporting teachers in adaptive educational systems through predictive models: A proof of concept.
Expert Systems with Applications
,
39
1, 621 –625. doi:10.1016j.eswa.2011.07.052
Kurubacak, G. 2007. Building knowledge networks through project-based online learning: A study of developing critical thinking skills via reusable learning objects.
Computers in Human Behavior
,
23
6, 2668 –2695. doi:10.1016j.chb.2006.08.003
Liu, G.-Z., Wu, N.-W., Chen, Y.-W. 2013. Identifying emerging trends for implementing learning technology in special education: a state-of-the-art review of selected
articles published in 2008-2012.
Research in Developmental Disabilities
,
34
10, 3618 –28.
doi:10.1016j.ridd.2013.07.007 Romero, C., Ventura, S. 2010. Educational Data Mining: A Review of the State of the
Art.
IEEE Transactions on Systems, Man, and Cybernetics, Part C Applications and Reviews
,
40
6, 601 –618. doi:10.1109TSMCC.2010.2053532
Sachin, R. B., Vijay, M. S. 2012. A Survey and Future Vision of Data Mining in Educational Field.
2012 Second International Conference on Advanced Computing Communication Technologies
, 96 –100. doi:10.1109ACCT.2012.14
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 532
Sánchez-Alonso, S., Vovides, Y. 2007. Integration of metacognitive skills in the design of
learning objects.
Computers in
Human Behavior
,
23
6, 2585
–2595. doi:10.1016j.chb.2006.08.010
Schraw, G., Moshman, D. 1994. Assessing Metacognitive Awareness.
Contemporary Educational Psychology
,
19
, 460 –475.
Schraw, G., Moshman, D. 1995. Metacognitive Theories. Spada, M. M., Langston, B., Nikčević, A. V., Moneta, G. B. 2008. The role of
metacognitions in problematic Internet use.
Computers in Human Behavior
,
24
5, 2325 –2335.
doi:10.1016j.chb.2007.12.002 Suprijono. 2012.
Cooperative Learning Teori dan Aplikasi PAIKEM
Vol. 36. Yogyakarta: Pustaka Pelajar.
Sussan, D., Son, L. K. 2014. Breakdown in the metacognitive chain : Good intentions aren ‘ t enough in high school.
Journal of Applied Research in Memory and Cognition
,
3
3, 230
–238. doi:10.1016j.jarmac.2014.07.006 Wesiak, G., Steiner, C. M., M
oore, A., Dagger, D., Power, G., Berthold, M., … Conlan, O. 2014. Iterative augmentation of a medical training simulator: Effects of affective metacognitive
scaffolding.
Computers Education
,
76
, 13 –29. doi:10.1016j.compedu.2014.03.004
Yüksel, İ., Yüksel, İ. 2012. Social and Metacognitive Awareness of Academic Reading Strategies,
00
2011, 894 –898. doi:10.1016j.sbspro.2011.12.164
Seminar Nasional Matematika, Sains dan Informatika 2015
533
PENGGUNAAN MULTI CRITERIA DECISSION MAKING DALAM FUZZY AHP UNTUK PENENTUAN LOKASI PENDIDIKAN STIKOM MANADO
Reonaldy Berikang, Djoko Budianto, Ernawati
Universitas Atmajaya Yogyakarta
ABSTRAK. Program utama pemerintah Indonesia dalam bidang pendidikan, adalah menyebarluaskan pendidikan dengan berbagai macam ilmu
pengetahuan hingga ke seluruh pelosok daerah di Indonesia. Memanfaatkan peluang tersebut maka pihak Stikom manado pada tahun yang berjalan ini
ingin membuka cabang pendidikan di salah satu wilayah di sekitar Sulawesi utara. mengingat provinsi Sulawesi utara merupakan daerah kepulauan maka
pihak Stikom harus memperhitungakan dengan baik salah satu wilayah kabupaten yang tepat. dengan tujuan jika sekolah tersebut di bangun di tempat
yang cocok dan strategis, bisa menghasilkan income yang baik, dan minat masyarakat dalam jurusan jurnalistik meningkat, dan akan di rancang untuk
menjadi jurnarlis terbaik di daerah tersebut maupun di indonesia. Berdasarkan masalah yang di angkat maka di dapati rumusan masalah yang menyangkut
beberapa pertanyaan seperti bagaimana cara mendapatkan lokasi strategis cabang pendidikan tersebut, apa metode yang tepat untuk menyelesaikan
masalah tersebut, dan manfaat apa yang bisa di dapatkan oleh pihak yayasan jika menggunakan aplikasi yang menggunakan metode yang di maksud .Dalam
batasan masalah menjawab segala pertanyaan yang ada pada rumusan masalah seperti, lokasi strategis bisa di dapat dengan perhitungan criteria dari setiap
lokasi sampel. Metode perhitungan yang tepat untuk pembobotan criteria adalah Multi Criteria Decission Making MCDM. Untuk memodelkan
perhitungan MCDM lokasi strategis ini, penulis sudah merancang aplikasi berbasis web menggunakan framework code igniter yang memiliki
perhitungan MCDM, sebagai system pendukung keputusan yang memiliki interface yang user frenly, yang nantinya di jadikan subdomain pada situs
induk sekolah tinggi Stikom tersebut. Dimana perhitungan yang menggunakan model aplikasi mengarahkan user agar dalam proses inputan menjadi terarah
dan instan di dalam penggunaan. Penelitian ini memiliki manfaat umum bagi pihak instansi pendidikan lainnya terutama pihak pendidikan swasta yang
ingin membuka cabang pendidikan seperti yang pihak Stikom lakukan pada saat ini. Kesimpulan dari penelitian ini adalah menerapkan perhitungan
matematika ke dalam bentuk aplikasi sehingga pada proses inputan dan laporan user bisa memahami dengan cepat, sehngga membantu di dalam hal
mengambil keputusan. dan bagi pihak Stikom bisa mendapatkan maksud dan tujuan yang di harapkan untuk terus memberikan pendidikan yang layak di
seluruh daerah.
Kata Kunci: Pendidikan, Stikom, Fuzzy AHP, MCDM, Sistem Pendukung
Keputusan
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 534
1. PENDAHULUAN
Dalam menentukan posisi yang tepat untuk di bangun cabang pendidikan, pihak yayasan STIKOM membutuhkan satu estimasi dan analisis yang baik,dan harus di perlukan sebuah
system pendukung keputusan dalam penanganan masalah ini
Turgut, et al.,2011
dengan alasan agar supaya cabang pendidikan yang di buka di daerah ini nantinya bisa menghasilkan
pemasukan yang baik, support yang besar dari masyarakat sebagai responden dan terutama membuka layanan pendidikan di daerah yang memiliki masyarakat yang berpotensi untuk
bersekolah di pendidikan tinggi dan mendapat gelar sarjana. Dalam jurnal ―The effect of
Location on price Estimation Understanding Number
–
Location and Number Order
Aasociation‖
Fengian chay dkk,2012
, mengemukakan lokasi objek yang tepat, dapat mempengaruhi perkiraan seseorang untuk memberikan keputusan yang tepat. Estimasi lokasi
yang tepat pula bisa memberikan hasil maksimal
Po-hsuan,2009.
Pemanfaatan teknologi informasi dan komunikasi saat ini semakin berkembang dan di gunakan dalam berbagai bidang. Berbagai aplikasi teknologi dan informasi di gunakan untuk
membantu kehidupan manusia. Salah satu system yang di butuhkan manusia dalam pekerjaan adalah Sistem Pendukung keputusan SPK. Demikian halnya dalam pemilihan lokasi strategis
untuk di adakan cabang pendidikan,yang menjadi masalah utama di dalam penelitian ini. Keputusan yang benar dan tepat akan sangat membantu dalam perkembangan dan kemajuan
perusahan atau organisasi dari sisi produktifitasnya
Rika Rosnela,2012
. Keputusan yang di ambil tidak hanya sebatas untuk kepentingan jangka pendek, tapi juga untuk pembangunan yang
berkelanjutan. Ketika keputusan yang akan di ambil bersifat kompleks dengan resiko yang besar seperti perumusan kebijakan, pengambilan keputusan membutuhkan alat bantu analisis yang
bersifat ilmiah, logis dan terstruktur
L Gao,et All,2011
hal ini di lakukan juga oleh
Stirn et all,2010.
Melalui penelitian ini, nantinya ada satu dari beberapa daerah yang akan direkomendasikan menjadi lokasi sasaran, dimana rekomendasi lokasi tersebut di dapatkan dari system yang
dibangun menggunakan metode MCDM, dengan kriteria – kriteria yang di ambil melalui
analisis. Salah satu contoh kriteria yang sangat berpengaruh adalah, survey mengenai jumlah pelajar dari daerah tersebut yang kuliah di luar dearah mereka sendiri terlebih khusus mengambil
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 535
jurusan komunikasi tersebut. Dari hal ini kita bisa mengukur seberapa besar minat masyarakat akan pendidikan sosial politik ini.
2. METODE
PENELITIAN 2.1 Bahan Penelitian
Dalam penelitian yang di lakukan, di gunakan data yang dikumpul berupa laporan kuisioner dari responden, tentang tanggapan masyarakat jika didirikan institusi pendidikan di wilayah
responden. Selain itu sasaran kuisioner juga di sebarkan kepada mahasiswa yang berasal dari daerah sekitar sulut yang merantau ke kota manado, dalam rangka belajar dan beberapa
pertanyaan yang ada di kuisioner bisa menjadi criteria di dalam system yang di rancang dengan menggunakan MCDM.
2.2 Langkah –Langkah Penelitian
Tahapan dalam metodologi penelitian yang di gunakan dalam penelitian ini adalah sebagai berikut :
a. Metode observasi atau pengamatan.
Metode observasi dilakukan dengan cara mengadakan pengamatan secara langsung terhadap suatu objek yang akan di teliti terkait permasalahan yang akan di bahas. Dalam penelitian ini
observasi dilakukan dengan melihat peluang mendirikan institusi pendidikan di salah satu daerah di sekitar kota manado, dimana hal ini merupakan kebutuhan yayasan perguruan tinggi ini,
karena pada tahun 2015 – 2016 yayasan berencana membuka Sekolah Tinggi Ilmu Komunikasi
baru di salah satu daerah di sekitar sulut yaitu : Kabupaten Sitaro, Kabupaten Sangihe, Kabupaten Talaud, Kabupaten Minahasa.
b. Pembagian Kuisioner.
Untuk di dapatkan berbagai macam tanggapan dari masyarakat sekitar lokasi yang di rencakan, mahasiswa perantau dan pihak yayasan maka penulis membuat kuisioner dimana
ketiga objek itu menjadi sasaran utama di sebarkan pertanyaan yang terkait dengan pembangunan Sekolah Tinggi yang di maksud.
c. Metode peneliti kepustakaan.
Metode ini dilakukan melalui berbagai literature dan pustaka yang ada sebagai referensi, dan terutama sebagai bahan pendukung penggunaan metode yang digunakan dalam penelitian
ini.
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 536
d. Metode pengembangan perangkat lunak.
Pengembangan perangkat lunak ini dibagi kedalam beberapa tahap, dimulai dari tahap analisis kebutuhan system
Requiprement,
tahap perancangan, implementasi
Coding
dan diakhiri dengan pengujian
Testing.
i. Analisis kebutuhan perangkat lunak
Analisis kebutuhan perangkat lunak dilakukan dengan menganalisis data dan informasi yang di peroleh sehingga dapat di jadikan bahan pengembangan perangkat lunak. Hasil analisis adalah
berupa dokumen teknik Spesifikasi Kebutuhan Perangkat Lunak SKPL. ii.
Perancangan perangkat lunak Berdasarkan hasil analsis, maka dapat dilakukan perancangan system. Perancangan
dilakukan untuk mendaptkan deskripsi arsitektur perangkat lunak, deskripsi antarmuka, deskripsi data dan deskripsi procedural. Hasil perancangan berupa Dokumen Deskripsi Perancangan
Perangkat Lunak DPPL iii.
Implementasi
Coding
Implementasi dilakukan untuk menterjemahkan deskripsi perancangan ke dalam aplikasi. Dimana pengkodena dilakukan dengan menggunakan Sintaks PHP dan database MYSQL,serta
Notepad ++ sebagai code editor. iv.
Pengujian
Testing
Pengujian dilakukan dengan melalui dua tahap, yaitu pengujian fungsionalitas perangkat lunak dan pengujian pengguna. Pengujian pengguna dilakukan melalui pengujian langsung
dengan responden. v.
Pembuatan Laporan Pembuatan laporan dilakukan untuk melaporkan hasil penelitian yang dibuat, mulai dari
tahap awal penelitian sampai pada tahap pengujian. Dimana laporan di buat dalam bentuk dokumen SKPL, dan dokumen SPPL.
3. HASIL
PENELITIAN DAN
PEMBAHASAN Dikembangkan untuk pengambilan keputusan terhadap beberapa alternatif keputusan untuk
mendapatkan suatu keputusan yang akurat dan optimal. Jika terdapat data tentang atribut suatu alternatif tidak dapat disajikan dengan lengkap, mengandung ketidakpastian atau
ketidakkonsistenan, maka metode MCDM biasa tidak dapat digunakan untuk menyelesaikan
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 537
permasalahan tersebut
Yusro M, 2013.
Dalam menggunakan fuzzy MCDM maka kita mengenal tentang Atribut dan Kriteria, dalam pembobotan kritera penulis menggunakan bilangan fuzzy
segitiga seperti 0, 0 , 0,25 – 0, 0,25, 0.5 - 0,25, 0,5, 0,75 – 0,5, 0,75, 1 – 0,75 1, 1 . Dalam
penelitian ini penulis akan menyusun kuisioner untuk di bagikan kepada responden, dan kuisioner tersebut tentunya memiliki bobot di dalam perhitungan, keterangan kuisioner tersebut
terdiri dari BS = Banyak sekali, B= Banyak, C=Cukup, S=Sedikit, SS=Sedikit Sekali jika di pasangkan dengan bobot tiap criteria maka kerangan tersebut memiliki bobot BS = 0,75, B=0,5,
C=0,25, S=0, SS=0 , Jika ditampilkan dalam bentuk tabel maka bisa di lihat pada tabel di bawah ini.
Jumlah Kuisioner Bobot
Banyak Sekali BS 0,75
Banyak B 0,5
Cukup C 0,25
Sedikit S Sedikit Sekali SS
Persamaan MCDM Untuk mencari alternative terbaik, maka kita harus mendefinisikan setiap atribut dan
kriteria yang di maksud seperti di bawah ini. 1.
Identifikasi tujuan dan kumpulan alternatifnya. A = {Ai | i=1,2, ..., n}. 2.
Identifikasi kumpulan criteria maka dapat di tulis C = {Ct | t = 1,2, ..., k}. 3.
Membangun struktur hirarki dari masalah tersebut berdasarkan pertimbangan tertentu. Operator mean + dan x banyak di gunakan dssi dalam penjumlahan perkalian
fuzzy,dengan menggunakan mean F1 di definisikan sebagai : [ ] [ ] ]
Dengan cara mendistribusikan Sit dan Wi kedalam bilangan fuzzy segitiga yaitu Sit = Oit, Pit, Qit; dan W1 =At, Bt, Ct; maka Ft dapat didekati sebagai :
F1=Q1,Y1,Z1 Dengan
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 538
Y1 = ∑
Q1 = ∑
Z1 = ∑
I = 1,2…………..n
Setelah mendapatkan bobot dari setiap criteria, metode MCDM harus menggunakan persamaan untuk perangkingan yang menggunakan perhitungan integral. Rumus perangkingan ini merupakan
rumus yang terakhir pada penyelesaian masalah ini, berikut persamaan perangkingan untuk penentuan nilai lokasi.
Perhitungan integral.
Dari persamaan ini semua inputan yang dimasukan kedalam system, akan memperoleh hasil output dengan point tertinggi, dan lokasi yang memiliki point tertinggi adalah lokasi yang cocok
untuk dibangun Sekolah tinggi ilmu komunikasi atau STIKOM Manado. Tabel 1 Rating Kepentingan Untuk Setiap Kriteria
Kriteria C1
C2 C3
C4 C5
C5 C7
C8 C9
Rating Kepentingan
ST T
T C
ST R
C T
ST
Tabel 2 Rating Kecocokan setiap alternative dengan setiap kriteria
Alternative Rating kecocokan
C1 C2
C3 C4
C5 C6
C7 C8
C9 A1
SK B
BS B
SK SK
B C
BS A2
C BS
SK SB
C B
S B
B A3
S SK
C BS
S BS
BS K
SK
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 539
Kriteria Lokasi Dalam pemilihan lokasi strategis tentunya membutuhkan criteria yang spesifik yang berasal
dari yayasan dan lainnya berasal dari kuisioner yang di jalankan, berikut adalah beberapa Kriteria yang diangkat penulis untuk diberikan pembobotan.
1. Jumlah mahasiswa aktif dari lokasi sasaran
2. Jumlah alumni yang berasal dari lokasi sasaran
3. Banyaknya mahasiswa yang kuliah di luar daerah yang berasal dari lokasi sasaran
4. Pemahaman masyarakat tentang Institusi atau Stikom
5. Posisi lokasi rencana pembangunan dengan pusat kota
6. Respon masyarakat jika dibangun sekolah tinggi ilmu komunikasi
7. Respon mahasiswa perantau jika di bangun sekolah tinggi di darerah mereka.
Dari ketujuh criteria ini akan diberi nilai yang menggunakan bilangan fuzzy segitiga dan dapat dikelolah dengan menggunakan perhitungan pada metode MCDM.
4. KESIMPULAN Kesimpulan yang bisa didapat dari penelitian ini adalah, untuk mendapatkan lokasi yang
baik dalam masalah bisnis sebaiknya menggunakan perhitungan dalam bentuk aplikasi. Penggunaan MCDM bisa di gunakan dan di manfaatkan dalam masalah ini. Pemanfaatan
MCDM sangatlah cocok dalam masalah ini, karena MCDM memiliki pembobotan criteria sehingga dapat dijadikan sebagai satu alat perhitungan dalam penentuan lokasi yang baik.
DAFTAR PUSTAKA Baig, M. M. 2011. Anaesthesia monitoring using fuzzy logic.
Journal of Clinical Monitoring and Computing
, 25
, 339-347. Dkk, T. D. 2007. E-LEARNING PADA PENDIDIKAN JARAK JAUH: KONSEP YANG
MENGUBAH .
Jurnal P endidikan Terbuka dan Jarak Jauh , 8
. Lei Gao, A. H. 2013. Indetifing Prefered Manajemen options: An integrated agent-based
recreational fishing simulation model with an AHP-TOPSIS evaluation method.
Ecological Modeling
. Pahlevi, A. 2013. Practical Php,Codeiginiter. In A. Pahlevi. Jakarta: PT.Gramedia.
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 540
Po-hsuan. 2009. Hybrid Network Satellite-Based Location Estimation and Tracking Systems for Wireless Networks.
IEEE Transaction on Vehicular Technologi , 58
8, 5174-5189. Ronald E, d. 2000. Penerapan Multi Criteria Decission Making dalam pengambilan
keputusan sistem perawatan.
Jurnal Teknik Industri , 2
, 1-12. Rosnelly, R. 2011. Penerapan Fuzzy Multi Criteria Decision Making Fmcdm Untuk
Diagnosis Penyakit Tropis.
Seminar Nasional Informatika semnasIF , 2011
, D-21 - D-26. Turgut. 2011. Fuzzy AHP based decission suport sistem for disaster center location
selection and a case studi for istanbul.
Disaster prevention ana managemen,
, 499-520. Wang S, L. C. 2005. Fuzzy Multi Criteria Decission Making For Evaluating The
erfomance of Mutual Funds. Yakub. 2012.
P enganta r sistem Informasi.
Graja Ilmu. Yang. 2009. Integrated perfomance evaluation for suply chain system based in logarithm
triangular fuzzy number AHP and fuzzy ANP with A Proposed decission support system.
Turkish Manufacturing enginering and management the procedings
, 192-197. Yusro, M. M. 2013. Aplikasi Metode Fuzzy Multi-Attribute Decision Making Berbasis
Web dalam Pemilihan Calon Kepala Daerah di Indonesia .
IJCCS
, 101-110.
Seminar Nasional Matematika, Sains dan Informatika 2015
541
PERBANDINGAN PCA DAN KPCA PADA PENGENALAN JENIS KELAMIN
Rima Tri Wahyuningrum Laboratorium Komputasi dan Sistem Cerdas
Prodi Teknik Informatika Universitas Trunojoyo Madura, Bangkalan, Indonesia
rimatriwahyuningrumgmail.com
ABSTRAK. Pengenalan jenis kelamin sebagai salah satu penelitian di bidang
biometrik dan
computer vision
yang cukup popular, dimana penelitian ini merupakan pengembangan dari penelitian mengenai pengenalan wajah.
Database
ang digunakan pada penelitian ini terdiri dari 400 citra, dengan rincian 200 citra perempuan dan 200 citra laki-laki. Ada dua tahapan penting
dalam penelitian ini, yaitu ektraksi fitur dan pengukuran kemiripan atau pengenalan. Pada penelitian ini membandingkan metode ekstraksi fitur
Principal Component Analysis PCA
dan
Kernel Principal Component Analysis KPCA.
Sedangkan metode pengukuran kemiripan yang digunakan adalah
Mahalanobis Distance
. Metode
KPCA
berjalan cukup baik karena memperoleh akurasi lebih tinggi dari metode PCA. Akurasi tertinggi yang
dihasilkan pada penelitian ini mencapai 94.35.
Kata Kunci: pengenalan jenis kelamin, PCA, KPCA, Mahalanobis Distance
1. PENDAHULUAN
Jenis kelamin pada manusia itu terdiri dari laki-laki dan perempuan. Manusia dengan mudah dapat mengklasifikasikan atau mengenali jenis kelamin dengan banyak cara. Contohnya dengan
membedakan dari bentuk tubuh, cara berpakaian, bentuk wajah dan lain sebagainya. Dari beberapa cara pengenalan yang dapat dilakukan oleh manusia tersebut, cara mengenali dari
bentuk wajah digunakan oleh sistem cerdas secara otomatis. Citra wajah memiliki fitur karakteristik dari manusia yang berupa identitas dan emosi. Selain itu antara wajah laki-laki dan
perempuan secara umum mempunyai ciri yang mencolok dan berbeda sehingga dapat dibedakan oleh sistem cerdas ini.
Secara umum pada pengenalan wajah maupun pengenalan jenis kelamin mempunyai tiga macam pendekatan, yaitu: pendekatan holistik yang berdasarkan ciri secara keseluruhan citra,
pendekatan
feature-based
yang berdasarkan ciri lokal seperti mata dan hidung, dan pendekatan
hybrid
yang berdasarkan gabungan dari holistik dan
feature-based
. Pada penelitian ini menggunakan pendekatan holistik. Pada pendekatan holistik seluruh bagian atau ciri global
wajah digunakan sebagai data masukan untuk pengenalan.
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 542
Secara garis besar terdapat tiga tahapan dalam proses pengenalan yaitu pra pemrosesan
,
ekstraksi fitur dan klasifikasipengenalan. Pada penelitian ini tidak melakukan tahap pra
pemrosesan karena
data base
ini telah dilakukan pra pemrosesan sehingga data tersebut dapat langsung dilakukan proses berikutnya. Oleh karena itu, metode yang digunakan untuk ekstraksi
fitur dan klasifikasi sangat menentukan dalam penelitian ini. Metode ekstraksi fitur PCA maupun KPCA telah banyak digunakan dalam beberapa
penelitian mengenai pengenalan wajah seperti yang dilakukan oleh Zhang R, 2010; Zhang C, 2010; Wen Y, 2012; Kekre, H.B., 2010. PCA seringkali mengalami kesulitan untuk
memodelkan data yang sangat kompleks. Kernel
PCA KPCA
merupakan pengembangan non linear dari PCA. Dengan menggunakan representasi non-linear data pada
KPCA
akan lebih mudah dimodelkan. Demikian pula, metode pengenalan
Mahalanobis Distance
juga telah banyak digunakan seperti oleh Todeschini
a , R. 2013; Melnykov, I. 2014. Pada penelitian ini
telah berhasil melakukan ujicoba dengan membandingkan metode PCA dan KPCA menggunakan metode pengenalan
Mahalanobis Distance.
2. METODE
PENELITIAN Pada penelitian ini menggunakan
database
citra jenis kelamin yaitu
JAVE
sebanyak 400 citra yang terdiri dari 200 citra laki-laki dan 200 citra perempuan dengan dimensi matrik 200 x 200
diambil dari
website
http:www.advancedsourcecode.com . Penelitian ini membandingkan antara
ekstraksi fitur
PCA
dan
KPCA
untuk mendapatkan matrik bobot kemudian menghitung klasifikasi atau pengenalannya menggunakan metode
Mahalanobis Distance.
Berikut penjelasan
masing-masing metode tersebut: 1.
Principal Component Analysis PCA
Metode PCA pertama kali diperkenalkan oleh M. Turk pada tahun 1991. Metode ini merupakan salah satu metode ekstraksi fitur yang paling banyak diminati oleh para peneliti. PCA merupakan
teknik reduksi menggunakan teori-teori sederhana dari statistik, seperti varian, standar deviasi,
zeromean,
kovarian dan persamaan karakteristik. Dengan ditemukannya PCA telah membawa perubahan yang sangat besar pada ekstraksi fitur yang berbasis
appearance.
Pada Gambar 1 menunjukkan diagram alir sistem pengenalan jenis kelamin menggunakan
PCA
dan
Mahalanobis Distance.
Sebelum dilakukan perhitungan rata-rata baik
database
citra pelatihan dan
database
citra uji, maka dilakukan perubahan matrik menjadi 1 dimensi.
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 543
Gambar 1. Diagram alir pengenalan jenis kelamin menggunakan PCA -
Mahalanobis Distance
2.
Mahalanobis Distance
Mulai
Data citra pelatihan A
� ∑
�
� �
� Hitung rata-rata matrik seluruh citra
Hitung nilai zeromean Φ
Φ = x
j,i
- µ
i
Menghitung nilai kovarian matrik C C = Φ
j,i
– Φ
T
ji
Hitung nilai eigen vector Q dan eigen value λ
[Q, λ] = svdC
Hitung nilai proyeksi P P = Φ
T
Q
Hitung nilai bobot pelatihan B
t
= AP
T
Mulai
Data citra uji B
Hitung nilai matrik bobot uji B
u
= BP
T
Pengenalan Mahalanobis Distance
Akurasi Hasil Pengenalan Wajah
Selesai
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 544
Mahalanobis Distance
merupakan suatu metode statistika yang digunakan untuk mengelompokkan data dengan jarak tertentu. Dalam penelitian ini
Mahalanobis Distance
digunakan untuk membandingkan dua buah matrik fitur dari suatu citra wajah yang sudah dilakukan proses ekstraksi fiturnya. Untuk menghitung
Mahalanobis Distance
menggunakan rumus pada persamaan 1.
1 Dimana
B
p
adalah nilai matrik bobot pelatihan
, B
u
adalah nilai matrik bobot uji
,
dan
C
adalah nilai matrik kovarian pelatihan
.
3.
Kernel Principal Component Analysis KPCA
Metode
PCA
sampai sekarang terus mengalami perubahan disesuaikan dengan kebutuhan data yang digunakan oleh para peneliti. Salah satunya metode
KPCA
.
KPCA
mampu mengatasi kesulitan dalam memodelkan data yang sangat kompleks seperti data non linear. Pada penelitian
ini membandingkan dua kernel yang digunakan yaitu
kernel polynomial
dan
kernel Gaussian,
masing-masing ditunjukkan pada persamaan 2 dan 3
.
Diagram alir
KPCA
menggunakan
kernel polynomial
seperti ditunjukkan pada Gambar 2.
KA,B= A.B + b
d
2 dimana
Kx,y
= matrik
polynomial, A
= matrik asli dari wajah,
B
= matrik
transpose
dari matrik wajah asli,
b
= kostanta 1,
d
= ordo maksimal dari monomial adalah 1 namun pada penelitian ini menggunakan konstanta
d
= 5. ‖ ‖
⁄ 3
dimana
LA,B
= matrik
Gaussian
, = varian namun pada penelitian ini menggunakan
konstanta = 3.10
5
3. HASIL
PENELITIAN DAN
PEMBAHASAN Pada penelitian ini menggunakan empat skenario uji coba. Dari keempat skenario uji coba
ini yang membedakan adalah jumlah data yang digunakan baik pada proses pelatihan maupun uji
.
Pada Tabel 1 menunjukkan skenario uji coba, sedangkan pada Tabel 2 menunjukkan akurasi hasil akhir eksperimen yang telah dilakukan. Masing-masing skenario baik pada PCA maupun
KPCA melakukan pengurangan dimensi yaitu hanya dengan menggunakan
eigen value
v 25
dan
50 saja.
, ,
,
u p
T u
p u
p
B B
C B
B B
B d
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 545
Gambar 2. Diagram alir pengenalan jenis kelamin menggunakan
KPCA
-
Mahalanobis Distance
Mulai
Data citra pelatihan Hitung matrik kernel polynomial
Kx,y = x.y + b
d
� ∑
�
� �
� Hitung rata-rata matrik seluruh citra
Hitung nilai data center zeromean Φ = x
j,i
- µ
i
Menghitung nilai kovarian matrik C = Φ
j,i
– Φ
T
ji
Hitung nilai eigen vector dan eigen value
[Q, λ] = eigC
Hitung nilai proyeksi P = Φ
T
Q
Hitung nilai bobot pelatihan
FD = AP
Mulai
Data citra uji
Hitung matrik kernel polynomial Kx,y = x.y + b
d
Hitung nilai matrik bobot uji
FD = BP
Pengenalan Mahalanobis Distance
Akurasi Hasil Pengenalan Wajah
Selesai
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 546
Tabel 1. Skenario uji coba sistem Skenario
Jumlah data pelatihan citra
Jumlah data uji citra
Total Laki-laki
Perempuan Total
Laki-laki Perempuan
Skenario 1 120
60 60
280 140
140 Skenario 2
200 100
100 200
100 100
Skenario 3 280
140 140
120 60
60 Skenario 4
360 180
180 40
20 20
Tabel 2. Akurasi pengenalan jenis kelamin Skenario
PCA KPCA
Gaussian Polynomial
Skenario 1
v = 25
85,25 94,46
92,85
v = 50
85,65 95,25
93,15 Skenario 2
v = 25
87,30 95,13
93,35
v = 50
87,55 95,85
93,64 Skenario 3
v = 25
88,15 96,24
93,55
v = 50
88,50 96,85
94,25 Skenario 4
v = 25
90,40 97,45
94,50
v = 50
91,25 97,90
95,00
Berdasarkan Tabel 2 menunjukkan bahwa rata-rata pengenalan jenis kelamin menggunakan
KPCA
memiliki akurasi yang lebih tinggi dibandingkan
PCA.
Akurasi tertinggi terdapat pada pengenalan jenis kelamin menggunakan
kernel Gaussian
yaitu pada skenario 4 dengan hanya menggunakan
eigenvector v
sebanyak 50 saja sebesar 97,90. Hal ini menunjukkan bahwa metode ekstraksi fitur
KPCA
mampu mengatasi kelemahan
PCA.
4. KESIMPULAN Penelitian ini telah berhasil melakukan eksperimen atau uji coba sistem pengenalan jenis
kelamin membandingkan metode ekstraksi fitur
PCA
dan
KPCA
dengan menggunakan pengukuran kemiripan atau pengenalan menggunakan metode
Mahalanobis Distance. Database
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 547
yang digunakan terdiri dari 200 citra laki-laki dan 200 citra perempuan sehingga total keseluruhan mencapai 400 citra. Berdasarkan eksperimen bahwa metode
KPCA
lebih akurat dan dapat mengatasi kelemahan metode
PCA.
Selain itu, penggunaan jenis kernel tertentu juga sangat mempengaruhi akurasi pengenalan jenis kelamin ini.
DAFTAR PUSTAKA Zhang, R., Wang, W., Ma, Y. 2010. Approximations of the standard principal components
analysis and kernel PCA.
Expert Systems with Applications
, vol. 37, pp. 6531 –6537.
Zhang, C., Nie, F., Xiang, S. 2010. A general kernelization framework for learning algorithms based on kernel PCA.
Neurocomputing
, vol. 73 pp. 959 –967.
Wen, Y., He, L., Shi, P. 2012. Face recognition using difference vector plus KPCA.
Digital Signal Processing
, vol. 22, pp. 140 –146.
Kekre, H.B., Thepade, S.D., Chopra, T. 2010. Face and Gender Recognition Using Principal Component Analysis.
International Journal on Computer Science and Engineering IJCSE,
vol. 2, pp. 1-6. Todeschini
a , R., Ballabio
a , D., Consonni
a , V., Sahigara, F., Filzmoser,
P. 2013. Locally centred Mahalanobis distance: A new distance measure with salient features towards outlier
detection.
Analytica Chimica Acta
, vol. 787, pp. 1 – 9.
Melnykov, I., Melnykov, V. 2014. On K-means algorithm with the use of Mahalanobis distances.
Statistics and Probability Letters
, vol. 84, pp. 88 –95.
http:www.advancedsourcecode.com .
Seminar Nasional Matematika, Sains dan Informatika 2015
548
PERMODELAN DINAMIS PENGARUH PEMANFAATAN AUDIO VISUAL TERHADAP MOTIVASI BELAJAR SISWA SMK
Rina Marina Masri Program Studi Teknik Sipil FPTK UPI Bandung
ABSTRAK. Tujuan penelitian adalah untuk membuat model dinamis pengaruh pemanfaatan audio visual terhadap motivasi belajar siswa SMK Negeri 1
Cilaku-Kabupaten Cianjur sehingga dapat diketahui sumbangan manfaat audio visual terhadap motivasi belajar siswa untuk perbaikan proses pembelajaran di
kelas. Metode yang digunakan adalah analitik korelatif eksplanatoris menggunakan perangkat lunak model dinamis Powersim. Lokasi penelitian di
Jalan Raya Cibeber km 7 Kubangsari Kabupaten Cianjur. Data pemanfaatan media, motivasi intrinsik dan ekstrinsik diperoleh dari responden siswa gambar
teknik dasar yang serta dilakukan pada Bulan Maret s.d Mei 2014, selama 3 bulan. Instrumen yang digunakan adalah angket. Fenomena di lapangan
diwakili oleh komponen-komponen
inflow
untuk variabel motivasi belajar siswa SMK,
contanta
untuk nilai
intercept
pemanfaatan audio visual serta
auxiliary
untuk
gradient
perubahan pemanfaatan audio visual yang berbeda dari setiap siswa. Hasil simulasi yang diperoleh adalah grafik perubahan
pengaruh pemanfaatan audio visual terhadap motivasi belajar siswa SMKN. Pembahasan berupa deskripsi sumbangan manfaat penggunaan media audio
visual berbasis computer terhadap motivasi belajar siswa SMK sehingga dapat disempurnakan proses pembelajaran untuk meningkatkan kualitas hasil belajar
gambar teknik dasar.
Kata Kunci: permodelan, dinamis, audio visual, motivasi belajar
1. PENDAHULUAN
Kemajuan ilmu pengetahuan dan teknologi telah mengubah system kerja pada semua bidang kehidupan, termasuk pada bidang pendidikan dan pengajaran kejuruan teknologi. Sistem
pembelajaran kejuruan teknologi terdiri dari komponen masukan siswa, tenaga pengajar, prasarana dan sarana pembelajaran, komponen proses proses pembelajaran yang dilakukan oleh
pengajar terhadap siswa, komponen keluaran pemahaman, sikap dan keterampilan serta lingkungan internal dan eksternal. Kemajuan ilmu pengetahuan dan teknologi terutama teknologi
informasi berbasis komputer berdampak positif terhadap prasana pembelajaran yang salah satunya adalah media pembelajaran
audio visual
. Media audio visual harus didukung oleh perangkat keras
hardware
, perangkat lunak
software
, perangkat intelegensia
brain ware
dan tenaga kerja
man power
. Implementasi media
audio visual
dalam proses pembelajaran belum
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 549
sepenuhnya dijalankan karena keterbatasan dukungan perangkat keras, perangkat lunak, perangkat intelegensia dan tenaga kerja.
Karakteristik pembelajaran kejuruan teknologi mengakomodasi secara lengkap ranah
domain
kognitif, afektif dan psikomotor. Indikator ranah kognitif adalah adanya perubahan tingkat pamahaman dan pengetahuan siswa tentang materi pembelajaran, indikator ranah afektif
indikatornya adalah kepatuhan siswa mengikuti suatu prosedur untuk mengerjakan atau memperoleh sesuatu. Indikator ranah psikomotor adalah peningkatan keterampilan siswa dalam
mengerjakan lembar kerja
job sheet
dalam suatu pembelajaran. Proses pembelajaran untuk meningkatkan kognitif dapat dilakukan dengan penyampaian informasi materi pelajaran di dalam
kelas atau
workshop
. Peningkatan afektif dilakukan dengan penyampaian prosedur kegiatan serta nilai-nilai atau filosofi yang melatarbelakangi prosedur suatu pekerjaan. Peningkatan psikomotor
dilakukan dengan pemberian contoh cara melakukan sesuatu. Kegiatan pembelajaran untuk mengakomodasi ketiga ranah tersebut dengan demikian tidak bisa dilakukan pada saat yang
serentak tetapi secara idealnya dilakukan di tempat dan waktu yang berbeda. Kemajuan pesat teknologi informasi dan komunikasi mengubah proses pembelajaran di
dalam kelas dari metode ceramah satu arah menjadi metode diskusi multi arah yang sumber belajarnya tidak hanya dari guru saja tetapi dari informasi di dunia maya yang tidak dibatasi oleh
ruang dan waktu. Dukungan media pembelajaran berupa LCD
projector
sangat besar. Teknik presentasi tidak lagi statif tetapi dinamis dan sangat bervariasi. Salah satu bentuk presentasi
adalah media
Audio Visual
yang dapat dirancang dengan berbagai macam perangkat lunak yang tersedia di pasaran. Media
Audio Visual
dalam pembelajaran di sekolah menengah kejuruan belum sepenuhnya optimal karena berbagai macam kendala penyediaan perangkat keras,
perangkat lunak dan keterbatasan penguasaan sumber daya manusia. Menggambar teknik dasar sebagai salah satu mata diklat pelajaran di SMK program studi
bangunan termasuk mata pelajaran produktif yang karakteristiknya memusatkan peningkaran keterampilan siswa menghasilkan produk tertentu yang terukur. Media
Audio Visual
diimplementasikan pada mata diklat pelajaran produktif untuk meningkatkan hasil guna dan daya guna pembelajaran menggambar teknik dasar. Motivasi siswa yang terdiri dari komponen
intrinsik dari dalam diri siswa dan komponen ekstrinsik dari lingkungan belajar mempengaruhi keberhasilan belajar. Media
Audio Visual
yang merupakan bagian dari komponen pembelajaran untuk meningkatkan motivasi belajar termasuk dalam komponen ekstrinsik motivasi belajar.
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 550
2. METODE
PENELITIAN Penelitian dilakukan di SMK Negeri 1 Cilaku Cinajur yang beralamat di Jalan Raya Cibeber
km 7 Kubangsari Kabupaten Cianjur. Waktu penelitian dilakukan pada Bulan Maret 2014 sampai dengan Mei 2014. Metode penelitian adalah analitik korelatif eksplanatoris menggunakan
angket. Teknik pengambilan data adalah
purposive
. Instrumen penelitian yang digunakan adalah angket. Lokasi penelitian disajikan pada gambar 1,
Gambar 1. Lokasi penelitian
Sumber : https:www.google.co.idmaps
Asadi dan Berimani 2015 mempublikasikan artikel tentang
The Effect of Audio Visual
Materials on Iranian Second Grade High School Students’ Language Achievement. Hasil kajian menunjukkan bahwa para siswa pada kelompok percobaan lebih menguasai materi belajar
dibandingkan para siswa di kelompok kontrol. Utomo 2012 melakukan kajian tentang Pengembangan Multimedia Pembelajaran Fisika dengan Macromedia SwishMax pada Materi
Cahaya untuk Membantu Meningkatkan Prestasi Belajar Siswa SMP kelas VIII. Hasil kajian menunjukkan bahwa pengembangan media valid dan layak sehingga dapat diterapkan dalam
proses pembelajaran di kelas. Putra dan kawan-kawan 2013 mempublikasikan artikel tentang
LOKASI PENELITIAN
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 551
Pengembangan Media Pembelajaran
Dreamweaver
Model Tutorial pada Mata Pelajaran Mengelola Isi Halaman Web untuk Siswa Kelas XI Program Keakhlian Multimedia di SMK
Negeri 3 Singaraja. Media pembelajaran
Dreamweaver
adalah model tutorial yang memiliki fungsi menu berbeda. Menu materi berisi materi pelajaran, menu video kultural berisi video
sebagai alat bantu mengajar dan menu evaluasi sebagai alat uji kemampuan siswa. Uji coba media pembelajaran
Dreamweaver
kepada siswa, menunjukkan respon siswa tersebar pada kategori sangat positif 2,77 dan positif 97,23. Respon guru tersebar pada kategori sangat
positif 100 . Respon siswa dan guru tersebar pada kategori positif. Agustina, Farida dan Subarkah 2013 melakukan kajian tentang Pembuatan Media Pembelajaran Berupa Animasi
Berbasis Komputer untuk Meningkatkan Pemahaman Siswa SMAMA Kelas X pada Mata Pelajaran Kimia Konsep Ikatan Kima. Hasil yang diperoleh menunjukkan bahwa penggunaan
media animasi dapat meningkatkan pemahaman siswa pada konsep ikatan kimia. Simamora 2014 mempublikasikan artikel tentang Model Pembelajaran Teknologi Informasi dengan
Teknik MANET
Mobile Adhoc Network
pada Kawasan Tertinggal. Sejumlah implementasi pada kondisi
indoor-building
maupun
outdoor-building
dengan teknik MANET, pembelajaran dapat terus dilakukan dengan tujuan untuk eksplorasi pengetahuan walaupun terbatas
infrastrukturnya. Model yang ditawarkan berupa topologi jaringan computer dan aplikasi layanan yang memungkinkan untuk mendukung proses pembelajaran di sekolah, kampus,
home schooling
dan jaringan komunikasi internal perkantoran atau lembagainstansi sejenis. Sodikin, Noersasongko dan Pramudi 2009 melakukan kajian tentang Jurnal Penyesuaian dengan Modus
Pembelajaran untuk Siswa SMK Kelas X. Hasil penelitian menunjukkan bahwa nilai rata-rata siswa dengan pembelajaran dengan multimedia lebih tinggi dari pada nilai rata-rata siswa dengan
pembelajaran konvensional. Sistem pembelajaran yang diimplementasikan layak dipergunakan sebagai alternatif sumber belajar yang mempunyai nilai-nilai edukatif. Ribas 2014 menyajikan
artikel tentang
Perspectives on digital computational systems as aesthetic artifacts
. Pembahasan tentang konsep, permodelan dan kerangka kerja dijelaskan secara proses yang terjadi pada
system pembelajaran serta hubungan antara tinjauan serta prinsip-prinsip yang ada berdasarkan hasil pengalaman dan mekanisme yang telah ada. Amine, Benachalba dan Guemide 2012
melakukan kajian tentang
Using Multimedia to Motivate Students in EFL Classrooms: A Case
Study of English Master’s Students at Jijel Universi
ty, Algeria
. Hasil kajian menunjukkan bahwa ketersediaan multimedia merupakan faktor dinamis dan tantangan meningkatkan motivasi di
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 552
kelas EFL
English as a Foreign Language
, berperan terhadap kepercayaan diri dalam meningkatkan prestasi untuk mencapai tujuan pembelajaran. Spicer 2014 mempublikasikan
artikel tentang
Exploring Video Abstracts in Science Journals: An
3. HASIL
PENELITIAN DAN
PEMBAHASAN Permodelan dinamis Pengaruh Pemanfaatan
Audio Visual
terhadap Motivasi Belajar Siswa SMK melalui tahap-tahap 1 perancangan diagram sebab akibat
causal loop
, 2 perancangan diagram alir
flow chart
T
score
hasil pengolahan data mentah angket manfaat media
Audio Visual
dan motivasi siswa dalam pembelajaran menggambar teknik dasar, 3 pemasukan data awal T
score
responden pertama tentang manfaat media
Audio Visual
dan simulasi T
score
bernilai 0, 4 perhitungan perubahan T
score
manfaat media
Audio Visual
dari responden satu ke responden berikutnya, 5 pengaturan
range
T
score
manfaat media
Audio Visual
dan motivasi siswa, 6 pengaturan
range
absis menjadi 20 responden dengan interval 1 responden, 7 membuat grafik T
score
manfaat media
Audio Visual
dan motivasi siswa, 8 membuat tabel T
score
manfaat media
Audio Visual
dan motivasi siswa, 9 menyajikan
equation model
yang diperoleh dari hasil model diagram alir, 10 analisis hasil dan pembahasan serta 11
pengambilan kesimpulan tentang hubungan, pengaruh dan kontribusi pemanfaatan media
Audio Visual
terhadap motivasi siswa dalam pembelajaran menggambar teknik dasar. Permodelan dinamis T
score
kondisi eksisting manfaat
Audio Visual
dan motivasi siswa dalam pembelajaran menggambar teknik dasar serta simulasi model regresi disajikan pada
gambar 2 dan 3. Grafik kondisi eksisting T
score
pemanfaatan
Audio Visual
dan motivasi siswa dalam pembelajaran menggambar teknik dasar dan model regresi pemanfaatan
Audio Visual
terhadap motivasi siswa dalam pembelajaran menggambar teknik dasar disajikan pada gambar 4 4 dan 5. Hasil keluaran permodelan dinamis berupa tabel disajikan pada gambar 6 dan model
persamaan
equation model
disajikan pada gambar 7.
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 553
Kumulatif_Motivasi_Belajar_Siswa_SMK
Intercept_Manfaat_penggunaan_media_Audio_Visual Gradien_Pengaruh_Manfaat_Penggunaan_media_Audio_Visual
Motivasi_Belajar
Manfaat_media_Audio_Visual
Gambar 2. Model diagram alir
flow chart model
T
score
kondisi eksisting manfaat
Audio Visual
dan motivasi siswa dalam pembelajaran menggambar teknik dasar
Intercept_Manfaat_penggunaan_media_Audio_Visual Nilai_Motivasi
Nilai_Manfaat_media_Audio_Visual Gradien_Pengaruh_Manfaat_Penggunaan_media_Audio_Visual
Gambar 3. Model diagram alir
flow chart model
analisis regresi manfaat
Audio Visual
terhadap motivasi siswa dalam pembelajaran menggambar teknik dasar
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 554
Kondisi Eksisting
Responden T
s co
re
Motivasi_Belajar 1
Manfaat_media_Audio_Visual 2
5 10
15 20
60 70
80 90
1 2
1 2
1 2
1
Gambar 4. Grafik kondisi eksisting T
score
manfaat media
Audio Visual
dan motivasi siswa dalam pembelajaran menggambar teknik dasar
Hasil Permodelan
Responden T
S c
o re
Nilai_Motivasi 1
Nilai_Manfaat_media_Audio_Visual 2
5 10
15 20
20 40
60 80
100
1 2
1 2 1
2 1
2
Gambar 5. Grafik hasil permodelan regresi nilai manfaat media
Audio Visual
terhadap motivasi siswa dalam pembelajaran menggambar teknik dasar
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 555
Time 1
2 3
4 5
6 7
8 9
10 11
12 13
14 15
16 17
18 19
20 Nilai_Manfaat_media_A udio_Visual
Nilai_Motivasi 5.00
20.15 10.00
23.55 15.00
26.96 20.00
30.36 25.00
33.77 30.00
37.17 35.00
40.58 40.00
43.98 45.00
47.39 50.00
50.79 55.00
54.20 60.00
57.60 65.00
61.01 70.00
64.41 75.00
67.82 80.00
71.22 85.00
74.63 90.00
78.03 95.00
81.44 100.00
84.84
Gambar 6. Hasil keluaran berupa tabel T
score
nilai manfaat media
Audio Visual
terhadap motivasi siswa dalam pembelajaran menggambar teknik dasar
Gambar 7. Hasil keluaran berupa model persamaan
equation model
pengaruh pemanfaatan
Audio Visual
terhadap motivasi siswa dalam pembelajaran menggambar teknik dasar
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 556
Hasil permodelan dinamis pengaruh pemanfaatan
Audio Visual
terhadap motivasi siswa dalam pembelajaran menggambar teknik dasar yaitu 1
range
T
score
manfaat media
Audio Visual
terhadap motivasi siswa dalam pembelajaran menggambar teknik dasar semakin besar saat manfaat media
Audio Visual
yang dirasakan siswa dalam pembelajaran bermakna, begitu sebaliknya, 2
gradien
T
score
manfaat media
Audio Visual
lebih besar dari pada motivasi siswa dalam pembelajaran menggambar teknik dasar, yang maknanya motivasi siswa dalam
pembelajaran menggambar teknik dasar tidak hanya dipengaruhi oleh penggunaan media
Audio Visual
saja, tetapi dipengaruhi variabel lain, 3 garis T
score
manfaat media
Audio Visual
dengan motivasi siswa dalam pembelajaran menggambar teknik dasar berpotongan pada titik antara nilai 50 s.d 55 yang maknanya semakin siswa merasakan manfaat
Audio Visual
dalam pembelajaran menggambar teknik dasar maka peningkatan motivasi siswa cenderung naik sama
dengan sebelum merasakan manfaat
Audio Visual
. 4.
KESIMPULAN Kesimpulan dari permodelan dinamis pengaruh pemanfaatan
Audio Visual
terhadap motivasi siswa dalam pembelajaran menggambar teknik dasar, yaitu : 1 media
Audio Visual
dalam pembelajaran menggambar teknik dasar yang semakin menarik minat siswa akan semakin
meningkatkan motivasi siswa dalam belajar, 2 media
Audio Visual
dalam pembelajaran bukan satu-satunya komponen yang mempengaruhi motivasi siswa dalam pembelajaran menggambar
teknik dasar sehingga para guru perlu mengenali komponen-komponen lain yang mempengaruhi motivasi siswa, 3 semakin siswa merasakan manfaat media
Audio Visua l
dalam pembelajaran menggambar teknik dasar maka kecenderungan kenaikan motivasi cenderung tetap sehingga
dibutuhkan inovasi perancangan media
Audio Visual
yang dinamis seiring dengan minat dan bakat yang dimiliki para siswa.
DAFTAR PUSTAKA Agustina, A., Farida, I. dan Subarkah, C.Z. 2013. Pembuatan Media Pembelajaran Berupa
Animasi Berbasis Komputer untuk Meningkatkan Pemahaman Siswa SMAMA Kelas X pada Mata Pelajaran Kimia Konsep Ikatan Kimia. Prosiding Simposium Nasional Inovasi
dan Pembelajaran Sains 2013 SNIPS 2013 3 –4 Juli 2013. Bandung, Indonesia.
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 557
Amine, B.M., Benachalba, C.
and
Guemide, B. 2012.
Using Multimedia to Motivate Students in EFL Classrooms: A Case Study of English Mas
ter’s Students at Jijel University, Algeria.
Malaysian Journal of Distance Education 142, 63-81 2012.
Asadi, F.
and
Berimani, S. 2015.
The Effect of Audio-Visual Materials on Iranian Second
Grade High School Students’ Language Achievement.
International Journal of Language and Lingusitics
. Vol 3, No 2, pp 69-75. ISSN: 2330-0205
Print
; ISSN: 2330-0221
Online
. Doi: 10.11648j.ijl.20150302.15.
Putra, G.T.S, Kesiman, M.W.A. dan Darmawiguna, I.G.M. 2013. Pengembangan Media Pembelajaran
Dreamweaver
Model Tutorial pada Mata Pelajaran Mengelola Isi Halaman Web untuk Siswa Kelas XI Program Keakhlian Multimedia di SMK Negeri 3 Singaraja.
Jurnal Nasional Pendidikan Teknik Informatika Volume 1, Nomor 2, Juli 2013. ISSN 2089- 8673.
Ribas, L. 2014.
Perspectives on digital computational systems as aesthetic artifacts
. CITAR Journal Volume 6, No 1
–
Special Issue
xCoAx 2014. Simamora, S.N.M.P. 2014. Model Pembelajaran Teknologi Informasi dengan Teknik MANET
pada Kawasan Tertinggal. Prosiding Seminar Nasional Indonesia Timur 2014 – SENANTI.
Yogyakarta, 14 Juni 2014. Sodikin, Noersasongko, E. dan Pramudi, Y.T.C. 2009. Jurnal Penyesuaian dengan Modul
Pembelajaran untuk Siswa SMK Kelas X. Jurnal Teknologi Informasi, Volume 5 Nomor 2, Oktober 2009. ISSN 1414-9999.
Spicer, S. 2014.
Exploring Video Abstracts in Science Journals: An Overview and Case Study. Journal of Librarianship and Scholarly Communication. Volume 2. Issue 2. Pacific
University Library.
ISSN 2162-3309. http:jlsc-pub.org. Utomo, H.P. 2012. Pengembangan Multimedia Pembelajaran Fisika dengan
Macromedia SwishMax
pada Materi Cahaya untuk Membantu Meningkatkan Prestasi Belajar Siswa SMP Kelas
VIII. Jurusan
Fisika FPMIPA.
Universitas Negeri
Malang. E-mail:
hadi_piyuyahoo.co.id
Seminar Nasional Matematika, Sains dan Informatika 2015
558
SISTEM REKOMENDASI OPTIMALISASI WAKTU PENGANGKUTAN SAMPAH DI KOTA SURAKARTA DENGAN METODE PIGEONHOLE DAN DIJKSTRA
Agus Purbayu,S.Si, M.Kom, Hartatik,S.Si,M.Si, Liliek Triyono,ST,M.Kom Program Studi Teknik Informatika FMIPA UNS
bayoemipa.uns.ac.id ,
hartatik.unsgmail.com ,
Liliek.triyonogmail.com
ABSTRAK.Permasalah yang sering dihadapi di dalam pengangkutan sampah di setiap wilayah adalah penentuan rute pengangkutan sampah. Penentuan rute ini
menjadi suatu permaslaahan yang utama karena hal ini berdampak pada pemakaian bahan bakar dan juga waktu kerja seorang karyawan. Penentuan rute
yang kurang tepat akan berakibat pada jarak yang ditempuk semakin jauh dan hal ini berarti akan mengakibatkan semakin besar pemakaian BBM dan waktu yang
digunakan.Untuk itu dalam penelitian ini akan mengembangkan aplikasi tentang pengoptimalan pengakutan sampah dengan algoritma
pigeonhole
dan
Dijsktra
. Pada dasarnya algoritma Pigeonhole digunakan untuk menentukan truk sampah
mana yang harus mengambil sampah di Tempat Pembuangan Sementara TPS tertentu. Untuk optimalisasi waktu dilakukan dengan menentukan jalur terpendek
yang bisa dilewati untuk masing-masing truk sampah. Data yang dihasilkan dari Pigeonhole tersebut kemudian penentuan jalur terpendek tersebut dengan
menggunakan algoritma Dijkstra. Dengan asumsi awal semakin pendek rute yang dilalui truk sampah untuk mengambil sampah, maka semakin cepat pembersihan
sampah dilakukan dengan begitu dengan sendirinya optimalisasi pembersihan sampah dapat tercapai.
Kata Kunci
: sistem pengangkutan sampah, Dijsktra, pigeonhole.
1. LATAR BELAKANG
Kebersihan lingkungan merupakan topik yang hangat dan sering dikemukakan menjadi pemberitaan utama. Menumpuknya sampah terutama dikota-kota besar sering kali menjadi
masalah yang sangat mengganggu. Pertambahan jumlah sampah yang tidak diimbangi dengan pengelolaan yang ramah lingkungan akan menyebabkan terjadinya perusakan dan pencemaran
lingkungan Tuti Kustiah, 2005:1. Semakin cepat sampah-sampah diangkut oleh petugas kebersihan maka semakin kota menjadi terlihat indah, terjaga kebersihan dan terjaga
kesehatannya. Sampah yang seringkali menumpuk di tempat pembuangan sementara TPS salah satunya disebabkan oleh kurangnya armada truk dan tidak tepatnya jalur yang dilewati truk. Jalur
truk sampah seharusnya disesuaikan dengan jalur terbaik yang bisa dilewati dan disesuaikan dengan banyaknya tonase sampah pada setiap TPS yang berbeda-beda. Penanganan sampah yang
tidak komprehensif akan memicu terjadinya masalah sosial, seperti amuk massa, bentrok antar warga, pemblokiran fasilitas TPA Hadi, 2004.
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 559
Sudah ada beberapa penelitian sebelumnya yang mencoba menerapkan metode guna menemukan solusi pengelolaan sampah, diantaranya:
Tabel 1. Penelitian tentang pengelolaan Sampah
No Nama Peneliti
Judul Penelitian
1 M. Shosi Alkhoiroda‘i
2013 Implementasi Algoritma Branch and Bound untuk
optimasi Rute Pengangkutan Sampah kota Jogjakarta
2 Zulfikar
Hasan, Novianita
Achmad, Nurwan
2012 Optimasi
Rute Armada
Kebersihan Kota
Gorontalo Menggunakan Ant Colony Optimization
3 Albert Kurnia, Friska Angelina,
Windy Dwiparaswati 2012
Pencarian Rute terpendek untuk Suplay Bahan Bakar Minyak BBM dari terminal BBM ke
Statsiun Pengisian
Bahan Bakar
untuk UmumSPBU menggunakan Algoritma Dijkstra
Studi Kasus Kota Palu
Mengacu pada peneliti sebelumnya tersebut, maka dalam penelitian ini akan diteliti satu metode guna mengatasi masalah pengelolaan sampah yaitu dengan metode
Disjktra
yang dikombinasikan dengan algoritma
Pigenhole
. Awalnya dari masing-masing armada truk ditugaskan untuk menuju TPS, pemilihan armada yang ditugaskan ini dilakukan dengan
menggunakan algoritma pigeon hole. Setelah itu dipilih jalur terbaik yaitu dengan algoritma
dijkstra
. Pada penelitian ini diasumsikan jalur jalan mempunyai tingkat kemacetan yang sama dan
mempunyai kecepatan yang sama. Waktu yang diperoleh dihitung berdasar panjang jalurnya dan waktu rata-rata truk yang sudah ditentukan. Waktu yang diperlukan untuk persiapan,
pengangkutan dan penurunan sampah juga masih diabaikan. Waktu mulai kerja semua truk juga dianggap sama dan ditentukan di awal dijalankannya sistem. Jumlah truk ditentukan awal
sehinggan rute perjalanan masing-masing truk dapat ditentukan dalam sistem yang akan dibuat
Prosiding ISBN 978-602-18580-3-5
Seminar Nasional Matematika, Sains dan Informatika 2015 560
sehingga lama waktu yang diperlukan untuk membersihkan sampah di TPS dapat ditentukan seminimal mungkin.
Selanjutnya berdasarkan algoritma
Pigenhole
dan
Disjktra
akan dibangun aplikasi sehingga nantinya dapat diterapkan untuk mengatasi masalah pengangkutan sampah di kota-kota besar.,
khususnya di kota Solo.Kota Solo menurut data DKP kota solo tergolong kota yang mempunyai banyak TPS dan satu TPA dimana volume sampah tiap harinya cukup besar. Menurut Kepala
Badan Perencanaan Pembangunan Daerah Surakarta, volume sampah di Surakarta memang
cukup besar yaitu mencapai 250 ton tiap harinya. Ahmad 2012.
Tabel 2. Jumlah sampah yang dibuang di TPA ―Putri Cempo‖ Mojosongo ribu ton
Sumber 2004
2005 2006
2007 2008
domestik 68,572
68,945 65,935
68,072 67,445
pasar 10,131
10,437 10,347
11,007 10,956
umum 2,322
2,497 1,821
2,402 2,091
total 81,025
81,879 78,103
81,481 80,492
Sumber : Data sekunder DKP Kota Surakarta 2009
Hasil yang diharapkan dari penelitian ini adalah jalur yang dilewati armada truk serta waktu minimal yang diperlukan untuk membersihkan TPS diseluruh kota. Hasil ini nantinya diharapkan
menjadi rekomendasi Dinas Kebersihan dan Pertamanan untuk menentukan kebijakan yang berkaitan dengan pengangkutan sampah dikotanya. Luaran dari penelitian ini jurnal lokal ber
ISSN IT Smart Informatika UNS atau salah satu jurnal nasional terakreditasi.
2. METODE PENELITIAN
